Akrual, Akuntansi Berbasis Model Penilaian, dan Prediksi Nilai Ekuitas Mary E. Barth William H.

Beaver Graduate School of Business Stanford University John R. M. Tangan Wayne R. Landsman Kenan-Flagler Business School University of North Carolina di Chapel Hill September 2004 Kami menghargai dana dari Research Initiative Keuangan, Graduate School of Business, Stanford University, Pusat Penelitian Keuangan dan Akuntansi di UNC-Chapel Hill, Stanford GSB Fakultas Trust, dan Bank of America Fellowships Penelitian. Kami juga berterima kasih kepada peserta lokakarya di Lancaster University dan University of Utah untuk komentar membantu, dan Brian Rountree, Steve Stubben, Qian Wang, dan Rui Yao atas bantuan risetnya mampu. Sesuai penulis: William H. Beaver, Graduate School of Business, Universitas Stanford, 518 Way Memorial, Stanford, CA 94305-5015, (650) 723-4409, fbeaver@leland.stanford.edu Akrual, Akuntansi Berbasis Model Penilaian, dan Prediksi Nilai Ekuitas Abstrak Penelitian ini menggunakan out-of-sampel nilai ekuitas memperkirakan untuk menentukan apakah disagregasi pendapatan, menerapkan penilaian informasi model linier (LIM) struktur, dan estimasi industri yang terpisah bantuan valuasi parameter model dalam memprediksi nilai ekuitas

kontemporer. Kami mempertimbangkan tiga tingkat disagregasi laba: agregat laba, arus kas dan akrual total, dan arus kas dan empat komponen utama dari akrual. Untuk mengumpulkan estimasi, menerapkan hasil struktur LIM dalam kesalahan prediksi secara signifikan lebih kecil, karena oleh-industri estimasi, tidak. Namun, dengan industri-kesalahan prediksi secara substansial lebih kecil, menunjukkan dengan industri-estimasi yang lebih baik ditentukan. Berarti kesalahan prediksi kuadrat dan mutlak yang terkecil saat disaggregating laba ke dalam aliran kas dan komponen akrual utama, kesalahan prediksi median yang terkecil saat disaggregating laba ke dalam aliran kas dan akrual total. Temuan ini menunjukkan bahwa (1) Jika perhatian adalah dengan kesalahan dalam ekor dari distribusi ekuitas nilai prediksi kesalahan, maka penghasilan harus dipisahkan ke dalam aliran kas dan komponen akrual utama, jika pendapatan harus dipisahkan hanya menjadi arus kas dan akrual total. (2) Menerapkan struktur LIM tidak meningkat atau menurun kesalahan prediksi, yang memberikan dukungan untuk keberhasilan menarik kesimpulan dari persamaan penilaian berdasarkan model residual income yang tidak menerapkan struktur tersirat oleh model. (3) Penilaian dari pendapatan abnormal, akrual, komponen akrual, nilai buku ekuitas, dan informasi lainnya bervariasi secara signifikan di seluruh industri. Akrual, Akuntansi Berbasis Model Penilaian, dan Prediksi Nilai Ekuitas 1. Pengantar Ada banyak literatur meneliti bagaimana akuntansi jumlah, termasuk pendapatan, dan laba dirinci menjadi arus kas dan akrual, berhubungan dengan ekuitas kontemporer values.1 Ohlson (1995, 1999) dan Feltham dan Ohlson (1995, 1996) mengembangkan model penilaian yang memiliki pranala akuntansi jumlah dan nilai ekuitas dengan mengasumsikan hubungan antara nilai ekuitas dan struktur informasi linear dari jumlah akuntansi. Meskipun model-model tersebut

telah menjadi subyek pengujian empiris, beberapa studi menguji apakah mereka membantu dalam memprediksi nilai ekuitas. Tujuan dari penelitian ini adalah untuk menentukan apakah dan sejauh mana disagregasi pendapatan dan valuasi Model menerapkan informasi bantuan struktur linear dalam memprediksi nilai ekuitas kontemporer keluar dari sampel. Kami juga menentukan apakah dan sejauh mana mendasarkan prediksi tersebut pada estimasi industri yang terpisah dari parameter model valuasi mempengaruhi akurasi mereka. Tujuan utama dari pelaporan keuangan adalah membantu investor dalam membuat keputusan ekonomi. Sebuah investor keputusan utama ekonomi buat adalah menilai nilai perusahaan di mana mereka berinvestasi atau mempertimbangkan untuk berinvestasi. Financial Accounting Standards Board (FASB) mengakui ini motivasi untuk pelaporan keuangan dengan mencatat dalam Pernyataan Konsep Akuntansi Keuangan No 1, ayat 34, "pelaporan keuangan harus menyediakan informasi yang berguna untuk investor saat ini dan potensi, dan kreditor, dan pengguna lain dalam membuat investasi rasional, kredit, dan keputusan serupa. "Meskipun FASB mengakui pentingnya kepada investor dari jumlah laporan keuangan, laporan konsep memberikan sedikit petunjuk mengenai bagaimana jumlah yang akan digunakan. Sebaliknya, akuntansi berbasis akrual menggabungkan model penilaian akuntansi berdasarkan 1 Sepanjang kita menggunakan laba bersih dan pendapatan bergantian. di Feltham-Ohlson kerangka memberikan bimbingan ini. Kami menggunakan kerangka ini untuk memberikan bukti empiris mengenai pertanyaan penelitian kami. Pertanyaan empiris pertama kita mengatasi adalah apakah disaggregating laba ke dalam aliran kas dan akrual total, dan ke dalam aliran kas dan komponen utama dari akrual, mengakibatkan perbedaan dalam kemampuan ekuitas nilai prediksi. Kami melakukan ini karena beberapa studi menemukan bahwa arus kas dan akrual berbeda dalam kemampuan mereka untuk memprediksi

laba masa depan dan menjelaskan lintas bagian variasi dalam nilai ekuitas. Pertanyaan empiris kedua kami alamat adalah apakah akuntansi berbasis model penilaian menggabungkan investor akrual bantuan dalam memprediksi nilai pasar ekuitas. Akuntansi berbasis model penilaian telah menjadi fokus penelitian dalam beberapa konteks, termasuk memeriksa apakah model tersebut berlaku secara deskriptif, dan menilai relevansi nilai jumlah akuntansi. Beberapa penelitian menggunakan akuntansi berbasis model penilaian untuk memprediksi nilai ekuitas untuk tujuan mengeksploitasi perbedaan antara nilai ekuitas teoritis dan aktual. Namun, mereka hanya mempertimbangkan pendapatan agregat dan tidak membahas apakah menerapkan struktur informasi linear model ini mempengaruhi prediktabilitas. Pertanyaan empiris ketiga kita adalah apakah alamat mendasarkan prediksi estimasi industri yang terpisah dari parameter model valuasi mempengaruhi prediksi nilai pasar ekuitas. Parameter penilaian dapat berbeda di seluruh industri karena campuran relatif komponen akrual dapat berbeda di seluruh industri, dan karena pendapatan forecastability atau kegigihan komponen akrual tertentu dapat berbeda di seluruh industri. Untuk menjawab pertanyaan penelitian kami, kami menggunakan sampel perusahaan Compustat 1987-2001. Kami memprediksi nilai pasar ekuitas kontemporer menggunakan out-of-sampel estimasi, yaitu, kita menggunakan persamaan penilaian cross-sectional bahwa untuk setiap tahun mengecualikan setiap perusahaan dari persamaan yang digunakan untuk memprediksi nilai ekuitas pada tahun itu. Akhirat, kita menggunakan istilah untuk merujuk prediksi tersebut 2 out-of-sampel prediksi nilai pasar ekuitas. Untuk menguji apakah laba disagregasi mempengaruhi nilai ekuitas kemampuan prediktif, kami memperkirakan nilai ekuitas menggunakan tiga model penilaian informasi linier (LIMS) menggunakan tiga tingkat

disagregasi laba. LIMS terdiri peramalan persamaan untuk pendapatan abnormal dan setiap komponen laba dianggap terpisah, dan persamaan valuasi ekuitas. Struktur LIM menyediakan link antara kelipatan dalam persamaan penilaian dan orang-orang di persamaan peramalan. The LIM pertama berdasarkan penghasilan agregat. Yang kedua, berikut Barth, Beaver, Tangan, dan Landsman (1999), disaggregates laba ke dalam aliran kas dan akrual total. Yang ketiga, diperkenalkan di sini, laba disaggregates ke dalam aliran kas dan empat komponen utama dari akrual-perubahan piutang, perubahan persediaan, perubahan hutang, dan depresiasi. Kami mengembangkan prediksi nilai ekuitas untuk setiap LIM menggunakan dua prosedur estimasi. Prosedur pertama adalah valuasi ekuitas persamaan yang mencakup jumlah akuntansi sebagai variabel penjelas, tetapi tidak menerapkan struktur LIM tersirat oleh pemilahan tingkat pendapatan. Prosedur kedua menerapkan struktur LIM. Untuk menguji apakah laba disagregasi bantu dalam memprediksi nilai ekuitas, kita membandingkan kesalahan prediksi di tiga LIMS. Untuk menguji apakah menerapkan struktur bantu LIM dalam memprediksi nilai ekuitas, kita membandingkan mean dan median kesalahan prediksi kuadrat dan mutlak dari estimasi ketika struktur LIM dikenakan kepada mereka dari ketika tidak. Untuk menguji apakah mendasarkan prediksi pada estimasi industri yang terpisah dari parameter model valuasi mempengaruhi prediksi ekuitas nilai, kita membandingkan kesalahan prediksi dari dikumpulkan dan estimasi industri yang terpisah untuk masing-masing LIM. Pengaruh menerapkan struktur LIM pada out-of-sampel kesalahan prediksi tidak dapat diprediksi. Hal ini kontras dengan di-sampel kesalahan prediksi, di mana untuk LIM diberikan, kesalahan diperoleh ketika struktur LIM tidak dikenakan dijamin akan tidak lebih besar dari mereka 3

diperoleh bila dikenakan. Ada dua alasan mengapa menerapkan struktur LIM dapat mengakibatkan lebih kecil out-of-sampel kesalahan prediksi. Pertama, menggunakan pengetahuan tentang keterkaitan jumlah akuntansi dalam penataan LIM harus, hal-hal lain yang sama, meningkatkan kemampuan valuasi ekuitas persamaan untuk memprediksi nilai ekuitas. Kedua, menerapkan struktur LIM yang meringankan sejauh mana persamaan valuasi ekuitas overfits data. Namun, menerapkan struktur LIM dapat menghasilkan lebih besar out-of-sampel kesalahan prediksi karena inefisiensi dalam memperkirakan parameter peramalan tambahan. Satu juga mungkin berharap kesalahan prediksi nilai ekuitas menurun sebagai tingkat meningkat disagregasi laba. Hal ini karena sebagai tingkat pendapatannya meningkat pemilahan, komponen yang berbeda dari pendapatan yang diizinkan untuk memiliki kelipatan penilaian yang berbeda. Namun, laba pemilahan dapat menjadi mahal dalam hal kesalahan prediksi peningkatan. Pertama, out-of-sampel kesalahan prediksi dapat meningkat karena tingkat pendapatan meningkat disagregasi karena potensi overfitting data. Kedua, sebagai tingkat meningkat pemilahan pendapatan, demikian juga tingkat struktur yang dikenakan oleh LIM pada hubungan peramalan dan penilaian. Dengan kata lain, meskipun pendapatan pemilahan rileks kendala pada koefisien penilaian dengan mengizinkan mereka untuk berbeda, itu menambah kendala pada koefisien valuasi ketika struktur LIM dikenakan. Akibatnya, kemampuan prediksi masingmasing relatif LIM dengan yang lain bisa berbeda tergantung pada apakah struktur LIM dikenakan. Sebelum membahas pertanyaan penelitian pertama kami dengan membandingkan kesalahan prediksi berdasarkan berbagai tingkat disagregasi pendapatan, yaitu, LIMS yang berbeda, kami menjawab pertanyaan penelitian kedua dengan membandingkan kesalahan prediksi dalam setiap LIM untuk menentukan apakah menerapkan struktur LIM mempengaruhi kesalahan prediksi.

Kami menemukan bahwa untuk ketiga LIMS, menerapkan hasil struktur LIM dalam kesalahan prediksi secara signifikan lebih kecil untuk estimasi dikumpulkan. Namun, 4 kesalahan prediksi tidak berbeda secara signifikan ketika struktur LIM adalah atau tidak dipaksakan untuk oleh-industri estimasi. Ini dukungan menemukan kemanjuran menarik kesimpulan dari persamaan penilaian berdasarkan model residual income yang tidak menerapkan struktur tersirat oleh model karena hal itu tidak bertambah atau berkurang kesalahan prediksi. Hasil mencolok dari dalam perbandingan kesalahan prediksi LIM adalah bahwa, konsisten dengan prediksi kami berkaitan dengan pertanyaan penelitian ketiga, prediksi kesalahan berdasarkan oleh industri-estimasi yang jauh lebih kecil daripada berdasarkan estimasi dikumpulkan. Temuan ini menunjukkan bahwa penilaian pendapatan abnormal, akrual, komponen akrual, nilai buku ekuitas, dan informasi lainnya bervariasi secara signifikan di seluruh industri. Temuan ini juga menunjukkan bahwa kesimpulan yang berkaitan dengan apakah menerapkan struktur LIM mengurangi kesalahan prediksi harus didasarkan oleh industriestimasi. Mengenai pertanyaan penelitian pertama kami, kami menemukan bukti dari beberapa pengurangan kesalahan prediksi rata-rata dari disaggregating laba ke dalam aliran kas dan akrual total, dan beberapa pengurangan tambahan dari disaggregating akrual total ke empat komponen utama. Bukti dari kesalahan prediksi median menggambarkan gambaran yang agak berbeda. Secara khusus, sedangkan kesalahan prediksi rata-rata umumnya mendukung disagregasi laba ke dalam aliran kas dan empat komponen akrual utama, kesalahan prediksi median umumnya mendukung disagregasi pendapatan hanya menjadi arus kas dan akrual total. Temuan ini menunjukkan bahwa jika saat memprediksi pasar ekuitas menghargai kekhawatiran adalah

dengan kesalahan dalam ekor dari distribusi kesalahan prediksi, maka laba bersih harus dipisahkan ke dalam aliran kas dan empat komponen akrual utama. Namun, jika kekhawatiran tersebut tidak dengan kesalahan dalam ekor dari distribusi kesalahan prediksi, maka penghasilan harus dipisahkan hanya menjadi arus kas dan akrual total. Dengan demikian, akrual 5 komponen muncul untuk memberikan informasi tambahan tambahan dengan yang di total akrual membantu untuk memprediksi nilai ekuitas ketika mempertimbangkan perusahaan dengan lebih kesalahan prediksi yang ekstrim. Sisa kertas ini disusun sebagai berikut. Bagian 2 mengembangkan desain penelitian. Bagian 3 menjelaskan sampel dan data, dan bagian 4 menyajikan temuan. Bagian 5 merangkum dan menyimpulkan penelitian. 2. Desain Penelitian 2.1 MODEL INFORMASI LINEAR Pengujian kami kesalahan prediksi ekuitas nilai ekuitas menggunakan perkiraan nilai dari tiga model informasi linier (LIMS) berdasarkan kerangka Feltham-Ohlson. Setiap LIM mencerminkan tingkat yang berbeda dari disagregasi laba. Pertanyaan penelitian pertama kami adalah apakah berturut-turut disaggregating laba ke dalam aliran kas dan akrual total, dan arus kas dan akrual empat besar komponen membantu dalam nilai ekuitas prediksi. Pertanyaan penelitian kedua kami adalah apakah menerapkan struktur bantu LIM dalam memprediksi nilai ekuitas. Model informasi pertama linier, LIM1, didasarkan pada Ohlson (1995), dan terdiri dari tiga persamaan. Persamaan (1a) - (1c) meramalkan persamaan, dan persamaan (1d) adalah persamaan penilaian tersirat oleh dinamika informasi linier dari persamaan peramalan. Misalnya, Ohlson

(1995) menunjukkan bahwa pendapatan abnormal valuasi koefisien dalam persamaan (1d), 1, adalah fungsi nonlinear dari 11 dan tingkat diskonto, r. itititaitaitBVNINI111311211110 + + + + = --- (1a) itititBVBV212220 + + = - (1b) ititit313330 + + = - (1c) itititaitituBVNIMVE + + + + = 3210 (1d) 6 MVE adalah nilai pasar ekuitas, Nia pendapatan abnormal didefinisikan sebagai laba minus kembali normal pada nilai buku ekuitas, BV, ks dan u adalah istilah kesalahan, dan subskrip i dan t menunjukkan tegas dan tahunnya.2 t, informasi lainnya, didefinisikan sebagai 11 --ttMVEMVE, di mana 1-tMVE adalah nilai dipasang dari didasarkan pada versi dari persamaan (1d) yang tidak termasuk 1-tMVEt. Dengan demikian, t menangkap sejauh mana variabel akuntansi tidak menjelaskan nilai pasar ekuitas (Feltham dan Ohlson, 1995; Ohlson, 1995). Kami termasuk nilai buku ekuitas dalam persamaan (1a) dan pendapatan abnormal dan persamaan komponen peramalan untuk LIM2 dan LIM3 untuk meningkatkan stasioneritas dari persamaan peramalan (Barth, Beaver, Tangan, dan Landsman, 1999). LIM1 implisit mengasumsikan bahwa semua komponen laba memiliki bobot yang sama dalam meramalkan pendapatan abnormal dan karenanya memiliki bobot yang sama dalam persamaan penilaian. Kami memperkirakan LIM1 karena berfokus pada pendapatan agregat dan memainkan peran penting dalam literatur akuntansi empiris. Beberapa penelitian (Bernard, 1995; Lundholm kemudian membuat, 1995, Barth, Beaver, Tangan, dan Landsman, 1999, Dechow, Hutton, dan Sloan, 1999; Myers, 1999) menemukan bahwa LIMS laba agregat menggunakan deskriptif yang berlaku. Dalam terang ini, literatur agak kuat menggunakan spesifikasi berdasarkan LIM1 untuk memeriksa bagaimana jumlah akuntansi berhubungan dengan nilai ekuitas kontemporer untuk

memperoleh kesimpulan tentang jumlah akuntansi, yaitu, relevansi nilai mereka (Barth, Beaver, dan Landsman, 2001; Holthausen dan Watts , 2001). Penelitian lain (Frankel dan Lee, 1998; Lee, Myers, dan Swaminathan, 1999) menggunakan model yang mirip dengan LIM1 untuk memperkirakan harga teoritis untuk mengeksploitasi perbedaan antara nilai ekuitas teoritis dan aktual untuk menemukan sekuritas mispriced. Yang kedua, LIM2, adalah bahwa diperkirakan pada Barth, Beaver, Tangan, dan Landsman (1999). Ini menenangkan asumsi bahwa total akrual, ACC, dan komponen arus kas dari laba memiliki 2 Kami menggunakan notasi yang sama untuk koefisien dan istilah kesalahan di tiga LIMS untuk memfasilitasi penjelasan. Mereka 7 model LIM2 parameters.3 yang sama dapat dilihat sebagai versi dari model di Ohlson (1999), yang model komponen fana laba, meskipun model berlaku untuk setiap komponen laba. LIM2 terdiri dari empat persamaan, di mana persamaan (2a) sampai dengan (2d) adalah persamaan peramalan, dan persamaan (2e) adalah persamaan penilaian tersirat oleh dinamika informasi linier dari persamaan peramalan. Jadi, relatif terhadap LIM1, dengan menambahkan persamaan peramalan tambahan, LIM2 menerapkan asumsi tambahan pada parameter penilaian. ititititaitaitBVACCNINI111411311211110 + + + + + = ---- (2a) ititititBVACCACC212312220 + + + = - (2b) itititBVBV313330 + + = - (2c) ititit414440 + + = - (2d) ititititaitituBVACCNIMVE + + + + + = 43210 (2e) Kami memperkirakan LIM2 karena berfokus pada arus kas dan komponen akrual total

pendapatan dan beberapa studi menemukan bahwa komponen ini berbeda dalam kemampuan mereka untuk memprediksi laba masa depan dan menjelaskan cross-sectional variasi dalam nilai ekuitas (Dechow, 1994, Sloan, 1996; Barth, Beaver, Tangan, dan Landsman, 1999; Barth, Cram, dan Nelson, 2001). Yang ketiga, LIM3, lanjut melemaskan asumsi yang berkaitan dengan komponen laba dengan mengizinkan parameter model untuk empat komponen utama untuk akrual berbeda satu sama lain dan juga dari orang-orang pada komponen lain dari pendapatan, termasuk arus kas. LIM3 terdiri dari tujuh persamaan. Jadi, relatif terhadap LIM2, dengan menambahkan tiga persamaan peramalan tambahan, LIM3 memberlakukan asumsi tambahan yang berkaitan dengan parameter penilaian.

kemungkinan berbeda. 8 itititititititBVDEPINVRECREC212712612512312220 + + + + + + = ----- (3b) itititititititBVDEPAPINVRECINV313613513413313230 + + + + + + = ----(3c) itititititBVAPINVAP414614414340 + + + + = --- (3d) ititititBVDEPDEP515615550 + + + = - (3e) itititBVBV616660 + + = - (3f) ititit717770 + + = - (3g) itititititititaitituBVDEPAPINVRECNIMVE + + + + + + + + = 76543210 (3h) RECis perubahan tahunan piutang, INV adalah perubahan dalam persediaan, AP adalah perubahan dalam hutang, dan depresiasi dan amortisasi Depis.

Kami memperkirakan LIM3 karena berfokus pada pendapatan dirinci menjadi arus kas dan empat komponen akrual utama dan temuan di Barth, Cram, dan Nelson (2001) menunjukkan komponen berbeda dalam kemampuan mereka untuk meramalkan arus kas masa depan dan menjelaskan cross-sectional variasi dalam nilai ekuitas . Selain itu, Barth, Beaver, Tangan, dan Landsman (1999) menemukan LIM2 yang mungkin mispecified, yang menunjukkan bahwa disaggregating akrual menjadi komponen utama bisa meningkatkan kemampuan kita untuk memprediksi nilai ekuitas. Lampiran A menjelaskan bagaimana kita mengembangkan LIM3 dan menyajikan temuantemuan dari memperkirakan persamaan peramalan LIM untuk ketiga LIMS. Lampiran B mengembangkan hubungan aljabar antara koefisien penilaian dan koefisien persamaan peramalan untuk LIM3. Sebagaimana dijelaskan dalam Lampiran B, tanda-tanda dan besaran dari js dalam persamaan (3h) tergantung pada s dalam persamaan (3a) melalui (3g). Hubungan antara js dan s yang kompleks karena jumlah variabel penjelas dalam persamaan (3h), yang masing-masing memiliki peramalan sendiri 3 Perhatikan bahwa memungkinkan suatu koefisien yang berbeda untuk total akrual dalam persamaan (2a) dan (2e) secara implisit memungkinkan 9 persamaan. Kompleksitas hubungan diperburuk karena persamaan (3a) melalui (3g) tidak memiliki struktur segitiga. Misalnya, dengan struktur segitiga, tanda-tanda 1and 2 ditentukan semata-mata oleh tanda-tanda 11, dan 22 masing (Myers, 1999). Meskipun dapat ditunjukkan bahwa tanda 1is ditentukan oleh tanda 11, tanda dari masing-masing s tersisa tidak ditentukan oleh tunggal. Pertanyaan penelitian ketiga kita adalah apakah alamat memperkirakan parameter penilaian

dengan menggunakan alat bantu industri estimasi terpisah dalam memprediksi nilai pasar ekuitas. Parameter penilaian dapat berbeda di berbagai industri karena dua alasan. Yang pertama adalah bahwa campuran relatif komponen akrual dapat berbeda di berbagai industri. Sebagai contoh, perusahaan manufaktur memiliki investasi besar dalam persediaan, namun perusahaan jasa tidak. Sehubungan dengan LIM3, jika ini adalah satu-satunya perbedaan, maka semua penilaian dan parameter peramalan akan sama di seluruh industri. Namun, karena persediaan digabungkan dengan akrual lainnya di LIM1 dan LIM2, penilaian dan peramalan parameter akan berbeda di seluruh industri untuk ini LIMS. Yang kedua adalah bahwa pendapatan forecastability atau kegigihan komponen akrual tertentu dapat berbeda di berbagai industri. Sebagai contoh, perusahaan manufaktur cenderung memiliki piutang yang lebih gigih dari perusahaan ritel. Sampai-sampai perusahaan dalam menghadapi kondisi industri yang sama ekonomi yang sama, termasuk biaya modal, dan memiliki praktik akuntansi yang sama, termasuk tingkat konservatisme, parameter penilaian dan peramalan untuk perusahaan dalam industri tertentu akan sama. Namun, parameter dapat berbeda di berbagai industri sebagai akibat dari perbedaan dalam lingkungan ekonomi dan praktik akuntansi. Estimasi industri yang terpisah memungkinkan semua parameter penilaian dan peramalan untuk mencerminkan variasi sistematis dalam lingkungan ekonomi dan akuntansi di seluruh industri, misalnya, koefisien pada arus kas, yaitu, 11 dan 1, berbeda dari orang-orang di akrual, yaitu, 11 + 12 dan 1 + 2. 10 diferensial ketekunan dalam pendapatan abnormal. Hal ini juga memungkinkan tingkat konservatisme dan biaya modal terkait dengan pendapatan abnormal bervariasi oleh industry.4 2.2 OUT-OF-CONTOH PREDIKSI

Kami menggunakan prosedur jack-knifing untuk menghasilkan kontemporer out-of-sampel prediksi nilai pasar ekuitas. Alasan utama untuk menggunakan jack-knifing adalah bahwa kita berusaha untuk memperoleh prediksi nilai ekuitas untuk masing-masing perusahaan tanpa menggunakan data yang perusahaan untuk menghasilkan ekuitas diprediksi nya value.5 Jackknifing juga menghasilkan statistik kami mendapatkan untuk pengujian hipotesis yang tidak bergantung pada diketahui parametrik distribusi, misalnya, normalitas (Noreen, 1989) .6 Prediksi perusahaan nilai ekuitas i di tahun t adalah nilai prediksi dari persamaan penilaian di setiap persamaan LIM, yaitu, (1d), (2e), dan (3h), dengan menggunakan koefisien yang diperkirakan dari persamaan penilaian dan data semua perusahaan ' kecuali perusahaan i ada di tahun t. Karena perusahaan data saya di tahun t tidak digunakan untuk memperkirakan koefisien, prediksi setiap out-of-sampel. Kami diatur ke nol nilai ekuitas negatif diprediksi pasar karena ekuitas nilai pasar tidak bisa negative.7 Menerapkan struktur tersirat oleh LIM menghambat koefisien estimasi valuasi berhubungan dengan koefisien persamaan peramalan perkiraan dengan cara yang ditentukan oleh LIM tertentu. Ketika kita menerapkan struktur LIM, kita mengecualikan Data perusahaan i pada tahun t saat 4 Sebagaimana dijelaskan dalam bagian 3.1, ketika kami memperkirakan persamaan penyatuan perusahaan sampel di seluruh industri, kita menggunakan industri dan tahun fixed-efek. Hal ini memungkinkan penyadapan bervariasi di seluruh industri dan tahun, tetapi membatasi koefisien kemiringan harus sama. 5 motivasi lain untuk menggunakan out-of-sampel prediksi adalah untuk membantu membedakan antara dua interpretasi alternatif untuk temuan di Barth, Beaver, Tangan, dan Landsman (1999) yang menerapkan struktur LIM2 hasil di lebih besar dalam sampel-kesalahan

ekuitas nilai prediksi . Secara khusus, salah satu interpretasi temuan itu adalah bahwa LIM2 tidak benar ditentukan. Lain adalah bahwa LIM2 benar ditentukan dan overfits data. Artinya, ada kemungkinan bahwa menerapkan struktur tersirat oleh LIM2 menghasilkan koefisien estimasi valuasi yang lebih dekat dengan kelipatan valuasi teramati dengan mengorbankan daya penjelas yang lebih rendah dibandingkan dengan perkiraan di mana struktur tidak dipaksakan. Sulit untuk menentukan penafsiran yang benar tanpa out-of-sampel tes prediksi. 6 Prosedur jack-pisau mengasumsikan bahwa estimasi parameter yang dihasilkan dari sampel yang dikumpulkan secara acak dan pengamatan dalam sampel independen. 11 memperkirakan semua persamaan yang LIM itu. Misalnya, saat membuat prediksi LIM1 untuk perusahaan i pada tahun t tanpa menerapkan struktur LIM, kami memperkirakan persamaan (1d) menggunakan data untuk semua perusahaan, kecuali perusahaan i pada tahun t. Ketika menghasilkan prediksi LIM1 untuk perusahaan i pada tahun t dengan menerapkan struktur LIM, kami memperkirakan persamaan (1a) melalui (1d) menggunakan data untuk semua perusahaan, kecuali perusahaan i pada tahun t dan membatasi koefisien dalam persamaan (1d) untuk sama yang tersirat oleh persamaan (1a) melalui (1c), misalnya,. ) / (11111-R = ERROR PREDIKSI TES 2.3 Untuk setiap LIM, kita membangun dua distribusi kesalahan prediksi, yang dihasilkan tanpa menerapkan struktur LIM dan satu dengan. Untuk setiap distribusi, kita menghitung dua metrik kesalahan prediksi umum digunakan, persentase kesalahan mutlak, AE, dan persentase kesalahan kuadrat, SE: AE = itititMVEMVEMVE) / diprediksi abs (- dan (4a) SE =. (4b) 2)) / diprediksi ((itititMVEMVE MVE-

Untuk menilai signifikansi statistik perbedaan kesalahan prediksi, kami membandingkan kedua sarana dan median untuk AE dan SE.8 ini menghasilkan total delapan metrik kesalahan untuk setiap LIM. Untuk tes membandingkan berarti, MeanAE dan MeanSE, kita asumsikan varian yang tidak sama ketika tes kesetaraan varians menolak nol. Untuk tes membandingkan median, MedAE dan MedSE, kami menggunakan tes tanda dipasangkan nonparametrik yang tidak memerlukan simetri perbedaan dipasangkan di jajaran. Untuk menjawab pertanyaan penelitian pertama kami, apakah laba pemilahan bantu dalam memprediksi nilai ekuitas, kita membandingkan kesalahan prediksi di tiga LIMS, ketika struktur LIM adalah 7 Jumlah negatif nilai ekuitas diperkirakan pasar sekitar 10 persen di setiap LIM diperkirakan. Tidak mengherankan, perusahaan dengan nilai ekuitas negatif diprediksi terkonsentrasi antara perusahaan dengan nilai pasar ekuitas kecil. 8 yang signifikan Istilah menunjukkan signifikansi statistik pada tingkat 0,05 atau kurang menggunakan uji satu sisi untuk prediksi ditandatangani, dan uji dua sisi sebaliknya. 12 dikenakan dan ketika itu tidak. Untuk menjawab pertanyaan penelitian kedua, apakah menerapkan struktur bantu LIM dalam memprediksi nilai ekuitas, dalam setiap LIM, kita membandingkan prediksi dari estimasi ketika struktur LIM dikenakan kepada mereka dari ketika tidak. Untuk menjawab pertanyaan penelitian ketiga kami, apakah mendasarkan prediksi pada estimasi industri yang terpisah dari parameter model valuasi mempengaruhi prediksi ekuitas nilai, kita membandingkan kesalahan prediksi dari dikumpulkan dan estimasi industri yang terpisah untuk setiap LIM, ketika prediksi didasarkan pada menerapkan struktur LIM dan ketika mereka tidak. 3. Data dan Statistik Deskriptif

3.1 DATA Kami memperoleh data untuk 1987-2001 dari Compustat Primer, Sekunder, dan Tersier, Cakupan Kendali, dan File Penelitian Industri Tahunan. Periode sampel kami dimulai pada tahun 1987 karena sebelum itu arus kas dari operasi tanggal diungkapkan dalam Pernyataan Standar Akuntansi Keuangan No 95 (FASB, 1987) tidak tersedia. Untuk mengurangi efek outlier, untuk setiap variabel, tahun dan dalam masing-masing industri, kita memperlakukan hilang pengamatan yang berada di atas dan bawah yang ekstrim satu persentil (Collins, Maydew, dan Weiss, 1997, Fama dan French, 1998; Barth , Beaver, Tangan, dan Landsman, 1999), dan pengamatan yang nilai absolut dari setiap komponen akrual digunakan dalam LIM3 dibagi dengan total pendapatan lebih besar dari satu. Untuk menghindari pengaruh perusahaan kecil, kita membatasi sampel untuk perusahaan dengan total aset lebih dari $ 10 juta. Untuk mempermudah perbandingan dengan LIMS, kami menuntut perusahaan sampel memiliki data lengkap untuk memperkirakan semua peramalan dan persamaan valuasi, yang menghasilkan sampel umum di LIMS. Semua variabel diukur pada akhir tahun fiskal, termasuk nilai pasar saham, dan dinyatakan dalam jutaan dolar. 13 Laba bersih, NI, adalah laba sebelum pos luar biasa dari laporan arus kas. Meskipun mendefinisikan NI dengan cara ini melanggar asumsi kelebihan bersih Ohlson (1995), menghilangkan efek berpotensi membingungkan besar satu kali item dan konsisten dengan penelitian sebelumnya (misalnya, Dechow, Hutton, dan Sloan, 1999) .9 Temuan dalam Tangan dan Landsman (2004) menunjukkan bahwa melanggar Surplus bersih harus memiliki sedikit efek pada temuan kami. Dalam menghitung pendapatan abnormal, Nia, kami menetapkan R - 1 r = 12%, return jangka panjang terhadap ekuitas (Barth, Beaver, Tangan, dan Landsman, 1999;

Dechow, Hutton, dan Sloan, 1999) .10 Total akrual , ACC, sama dengan NI dikurangi arus kas dari operasi. Kami memperkirakan semua persamaan dengan untabulated tahun tetap-efek, dan dengan untabulated industri fixed-efek, ketika berlaku, penyatuan tersedia perusahaan-tahun pengamatan dari semua sampel tahun. Kami menggunakan data dari empat tahun saat ini dan terbaru sebelumnya ketika memperkirakan penilaian dan peramalan equations.11 Karena jumlah tertinggal muncul sebagai variabel penjelas dalam persamaan peramalan, estimasi persamaan menggunakan data dari enam tahun. Ini mencerminkan tradeoff antara efisiensi dan stasioneritas parameter, di mana mungkin mantan (yang terakhir) adalah kenaikan (penurunan) dalam beberapa tahun dimasukkan dalam persamaan estimasi. Kami mendasarkan klasifikasi industri kami pada mereka di Barth, Beaver, dan Landsman (1998) dan Barth, Beaver, Tangan, dan Landsman (1999), dan termasuk makanan, tekstil, percetakan dan penerbitan, bahan kimia, obat-obatan; industri ekstraktif, produsen tahan lama; komputer, ritel, dan jasa. Kami membagi perusahaan manufaktur tahan lama menjadi tujuh industri: karet, plastik, kulit, batu, tanah liat & kaca, logam, mesin, peralatan listrik, peralatan transportasi, instrumen, dan lain-lain. Kami juga membagi perusahaan ritel menjadi tiga industri: grosir; 9 Hal ini juga konsisten dengan satu kali item yang memiliki ketekunan nol sehubungan dengan pendapatan abnormal masa depan (Ohlson, 1999). 10 Tidak ada kesimpulan eksperimental kami dipengaruhi oleh asumsi nilai alternatif untuk r, mulai dari 8 sampai 14 persen. 14 aneka ritel, dan restoran. Kami membagi produsen tahan lama dan industri ritel untuk

meningkatkan kemungkinan bahwa parameter yang sama dalam industri masing-masing, dan untuk membantu menyeimbangkan jumlah perusahaan sampel di seluruh industri. LIMITASI Namun, kita mengecualikan lembaga keuangan dan perusahaan-perusahaan dalam industri asuransi dan real estate. Kami melakukannya untuk memastikan bahwa komponen akrual yang kita fokus bermakna bagi perusahaan-perusahaan sampel kami. Misalnya, persediaan bukanlah prediktor laba masa depan bagi lembaga keuangan. Kami memperkirakan semua persamaan menggunakan data unscaled (Barth dan penelitian Kallapur, 1996) .12 3.2 DESKRIPTIF STATISTIK Tabel 1 menyajikan statistik deskriptif untuk setiap variabel yang digunakan dalam persamaan estimasi. Panel Sebuah laporan statistik distribusi, panel B mengandung Pearson dan korelasi Spearman, dan panel C menggambarkan komposisi industri sampel. Panel A menunjukkan bahwa rata-rata, nilai pasar ekuitas melebihi nilai buku ekuitas, menunjukkan bahwa nilai buku ekuitas saja tidak cukup untuk menjelaskan nilai ekuitas pasar. Konsisten dengan penelitian sebelumnya, (Sloan, 1996; Barth, Beaver, Tangan, dan Landsman, 1999; Barth, Cram, dan Nelson, 2001), panel A juga mengungkapkan bahwa rata-rata, total akrual adalah negatif. Hal ini disebabkan beban penyusutan yang termasuk dalam akrual, namun pengeluaran modal yang termasuk dalam investasi arus kas. Secara khusus, berarti beban penyusutan dan amortisasi, $ 27.450.000, lebih dari tiga kali lebih besar dari perubahan berarti dalam piutang, $ 5.590.000, komponen akrual terbesar berikutnya. Untuk memberikan wawasan tentang ukuran relatif dari setiap panel, komponen akrual A juga mencakup statistik distribusi untuk nilai absolut dari setiap komponen dibagi dengan total pendapatan. Temuan menunjukkan bahwa keempat komponen akrual terdiri dari proporsi non-sepele dari total 11 Seperti disebutkan di atas, kita mengecualikan Data perusahaan i pada tahun t ketika

memprediksi tahun nilai ekuitas pasar t. Namun, kami menggunakan data perusahaan i selama bertahun-tahun sebelum tahun t karena mereka dikenal ketika memprediksi nilai pasar saham untuk tahun t. 15 pendapatan, dengan penyusutan dan amortisasi menjadi komponen terbesar (rata-rata = 5,98% dari total pendapatan), dan perubahan persediaan yang terkecil (rata-rata = 2,36% dari total pendapatan). Panel B menunjukkan bahwa sebagian besar variabel yang sangat berkorelasi satu sama lain. Panel C menunjukkan bahwa industri dengan konsentrasi terbesar perusahaan-tahun pengamatan adalah Komputer, 15,32%, Tekstil, percetakan & penerbitan, 9,49%, dan Jasa, 9,18%. 4. Hasil 4.1 RINGKASAN STATISTIK DARI LIM estimasi Tabel 2, panel A sampai C, ringkasan statistik regresi hadir untuk persamaan nilai pasar ekuitas untuk tiga LIMS, persamaan (1d), (2e), dan (3h) .13 Statistik ini tidak didasarkan pada prosedur jack-knifing dijelaskan dalam bagian 2.2. Kami menyajikan statistik ini untuk memberikan bukti deskriptif pada besaran dan tanda-tanda dari perkiraan valuasi parameter dan efek pada perkiraan menerapkan struktur LIM, dan untuk memfasilitasi perbandingan dengan penelitian sebelumnya. Dua baris pertama dalam setiap statistik laporan panel didasarkan pada penyatuan semua pengamatan. Garis tersisa melaporkan statistik dari industri-industri oleh-estimasi, khususnya sarana, minimum dan maksimum, jumlah industri yang koefisien secara signifikan positif dan negatif, dan jumlah industri yang koefisien estimasi dengan dan tanpa menerapkan struktur LIM berbeda secara signifikan . Misalnya, perkiraan rata-rata 1 dalam tabel 2, panel A, 6,82, merupakan rata-rata dari 17 nilai rata-rata industri. Pengujian

12 Untabulated temuan dari regresi menggunakan berbagai kontrol untuk perbedaan skala di seluruh hasil perusahaan dalam kesimpulan serupa dengan yang dari temuan ditabulasikan. 13 Kami menerapkan regresi yang tampaknya tidak berhubungan ketika memperkirakan setiap sistem persamaan. Dengan demikian, parameter estimasi dari persamaan penilaian mencerminkan dampak dari kesalahan memungkinkan regresi dari masing-masing persamaan peramalan berkorelasi dengan orang-orang dalam persamaan penilaian. 16 apakah masing-masing koefisien rata-rata berbeda dari nol didasarkan pada standar deviasi dari 17 berarti industri (Fama dan Macbeth, 1972). Temuan yang berkaitan dengan LIM1 di panel A yang konsisten dengan penelitian sebelumnya (Barth, Beaver, Tangan, dan Landsman, 1999; Dechow, Hutton, dan Sloan, 1999). Secara khusus, koefisien valuasi pada pendapatan abnormal dan nilai buku ekuitas, 1 2 dan, secara signifikan positif dalam sampel dikumpulkan dan di semua industri (dan oleh karena itu koefisien rata-rata di industri juga signifikan positif), baik dengan dan tanpa menerapkan LIM struktur. Koefisien penilaian, 3, informasi lainnya, , juga selalu positif dan signifikan. Sebagai contoh, tanpa menerapkan struktur LIM, perkiraan koefisien estimasi pooled (t-statistik) untuk 1, 2, dan 3 adalah 9,45, 2,52, dan 0,69 (69,75, 143,44, dan 80.38). Kisaran besar dalam perkiraan koefisien seluruh 17 industri, sebagaimana dibuktikan oleh minimum dan maksimal, menunjukkan prediksi ekuitas didasarkan pada estimasi industri terpisah daripada estimasi dikumpulkan mungkin lebih akurat. Sebagai contoh, tanpa menerapkan struktur LIM, perkiraan 1 di berbagai industri 2,02-21,84. Panel A juga mengungkapkan bahwa koefisien penilaian, 1, 2, dan 3, diperkirakan dengan dan tanpa menerapkan struktur LIM berbeda secara signifikan untuk hampir semua industri.

Sebagai contoh, untuk 8 (7) industri, 1 perkiraan secara signifikan lebih besar ketika struktur LIM tidak (adalah) diberlakukan, hanya menyisakan dua industri dimana 1 perkiraan tidak berbeda secara signifikan. Hal ini menimbulkan kemungkinan bahwa prediksi dari nilai ekuitas pasar berdasarkan koefisien estimasi dengan dan tanpa menerapkan struktur LIM bisa berbeda secara signifikan. Beralih ke LIM2, temuan di panel B juga konsisten dengan penelitian sebelumnya (Barth, Beaver, Tangan, dan Landsman, 1999). Secara khusus, untuk sampel dikumpulkan dan untuk semua industri, koefisien valuasi pada pendapatan abnormal dan nilai buku ekuitas, dan 3 1, yang 17 positif dan signifikan. Koefisien penilaian tambahan pada total akrual, 2, secara signifikan negatif di sebagian besar (semua) industri ketika struktur LIM tidak (adalah) diberlakukan. Cara di industri 1,, 2 3 dan tanpa menerapkan struktur LIM adalah 7,43, -2,18, dan 2,10, yang berarti dibandingkan dengan seluruh industri dari 8,95, -1,94, dan 1,87 di Barth, Beaver, Tangan, dan Landsman (1999 ). Fakta bahwa koefisien total akrual berbeda dari yang di komponen lain dari pendapatan abnormal menunjukkan bahwa disaggregating laba ke dalam aliran kas dan akrual total dapat meningkatkan prediksi ekuitas valuasi. Adapun LIM1, koefisien penilaian untuk informasi lainnya,, 4 secara signifikan positif dalam semua kasus. Panel B juga mengungkapkan bahwa koefisien valuasi diperkirakan dengan dan tanpa menerapkan struktur LIM berbeda secara signifikan untuk hampir semua industri. Misalnya, selama 10 (5) industri, 2 perkiraan secara signifikan lebih besar ketika struktur LIM tidak (adalah) diberlakukan, hanya menyisakan dua industri dimana 2 perkiraan tidak berbeda secara signifikan. Seperti LIM1, ini lagi meningkatkan kemungkinan bahwa prediksi dari nilai ekuitas

pasar berdasarkan koefisien estimasi dengan dan tanpa menerapkan struktur LIM bisa berbeda secara signifikan. Temuan di panel C berkaitan dengan LIM3, yang memungkinkan koefisien terpisah untuk empat komponen akrual, menunjukkan perbedaan besar dalam koefisien seluruh komponen, serta substansial antar-industri perbedaan koefisien untuk setiap komponen. Mengenai lintaskomponen perbedaan, hasil dari estimasi dikumpulkan tanpa menerapkan struktur LIM menunjukkan setiap koefisien tambahan pada perubahan persediaan, perubahan hutang, dan depresiasi, 3, 4, dan 5, adalah positif, dan bahwa pada perubahan piutang , 2, adalah negatif. Namun, hanya koefisien tambahan pada perubahan hutang secara signifikan berbeda dari nol. The 2 menggenang, 3, 4, dan perkiraan koefisien 5 (t-statistik) adalah -0.22, 0,48, 1,20, dan 0,21 (-0.68, 1.15, 3.34, dan 1.10). 18 Hasil dari estimasi dikumpulkan dengan menerapkan struktur LIM menunjukkan bahwa koefisien tambahan pada perubahan hutang dan depresiasi,, 4 dan 5, secara signifikan positif, dan mereka pada perubahan piutang dan persediaan,, 2 3 dan, secara signifikan negatif. The 2 menggenang, 3, 4, dan perkiraan koefisien 5 (t-statistik) adalah -1.40, -2,70, 1,17, dan 0,84 (-7,63, -11,69, 5,90, dan 4,61). Selain itu, untabulated temuan dari uji kesetaraan koefisien di empat komponen akrual menunjukkan koefisien berbeda secara signifikan dari satu sama lain. Temuan ini menunjukkan bahwa koefisien total penyusutan dan perubahan piutang, persediaan, dan hutang secara signifikan berbeda dari pada aliran kas dan komponen akrual lainnya dari penghasilan bila struktur LIM dikenakan. Dengan demikian, berkaitan dengan pertanyaan penelitian pertama kami, temuan ini menunjukkan bahwa disagregasi akrual total ke empat komponen utama dapat membantu dalam memprediksi nilai ekuitas ketika struktur LIM

dikenakan. Berkaitan dengan pertanyaan penelitian kedua, menemukan koefisien yang berbeda dengan dan tanpa menerapkan struktur LIM menimbulkan pertanyaan apakah ekuitas prediksi nilai ditingkatkan ketika struktur LIM dikenakan. Beralih ke estimasi industri yang terpisah, tabel 2 menunjukkan bahwa kesimpulan yang berkaitan dengan koefisien rata-rata di industri berbeda dengan dari regresi dikumpulkan. Secara khusus, ketika struktur LIM tidak dikenakan, tidak ada koefisien komponen tambahan akrual memperkirakan dari 2, 3, 4, dan 5 secara signifikan berbeda dari nol. Ketika struktur LIM dikenakan, hanya koefisien pada perubahan dalam persediaan, 3, secara signifikan berbeda dari nol. Juga, tabel 2, panel C, menunjukkan ada substansial lintas-industri variasi koefisien pada setiap komponen akrual. Untuk kedua dengan dan tanpa LIM struktur yang ditetapkan estimasi, koefisien penilaian tambahan, j, pada setiap komponen akrual secara signifikan positif untuk beberapa industri dan negatif bagi orang lain. Misalnya, ketika struktur LIM tidak 19 dipaksakan, koefisien pada perubahan hutang, 4, secara signifikan positif dalam lima industri, dan secara signifikan negatif dalam lima industri. Ini kontras dengan koefisien pada komponen lain dari pendapatan abnormal, yang meliputi arus kas, 1, nilai buku ekuitas, 6, dan informasi lainnya, 7, yang positif dan signifikan di semua industri. Koefisien penilaian tambahan pada perubahan piutang,, 2, dan perubahan dalam hutang, 4, lebih konsisten daripada yang positif tentang perubahan dalam persediaan, 3, dan depresiasi, 5, yang lebih terbagi rata untuk tandatanda mereka. Secara kolektif, tabel 2, panel A, B, dan C, menghasilkan tiga temuan kunci yang berpotensi memiliki implikasi untuk prediksi nilai ekuitas. Pertama, koefisien penilaian terhadap laba bersih

berbeda dari pada total akrual, dan koefisien penilaian pada komponen akrual utama berbeda satu sama lain. Kedua, tanda-tanda dan besaran dari koefisien penilaian komponen akrual tergantung pada apakah struktur LIM dikenakan. Ketiga, koefisien komponen akrual penilaian berbeda di berbagai industri. Bagian berikutnya meneliti sejauh mana perbedaan-perbedaan ini mempengaruhi prediksi ekuitas nilai. 4.2 PERBANDINGAN OUT-OF-CONTOH PREDIKSI NILAI EKUITAS 4.2.1 Dalam perbandingan LIM kesalahan prediksi ekuitas nilai Tabel 3 menyajikan berarti (median) kesalahan kuadrat dan mutlak, MeanSE dan MeanAE (MedSE dan MedAE), untuk prediksi nilai pasar saham yang diperoleh dari estimasi di mana parameter model diperkirakan dengan dan tanpa menerapkan struktur LIM, dengan menggunakan prosedur jack-knifing dijelaskan dalam bagian 2.2. Perbedaan signifikan ditandai dengan huruf tebal. Untuk setiap perbandingan, Tabel 3 menyajikan temuan berdasarkan kesalahan prediksi dari dikumpulkan dan estimasi industri yang terpisah. Dua perbandingan disajikan untuk estimasi industri. Yang pertama didasarkan pada menggabungkan semua kesalahan dari estimasi industri yang terpisah. Yang kedua adalah berdasarkan 20 pada metrik error mean dan median untuk masing-masing 17 industri. Tabel 3 juga mencantumkan jumlah industri yang metrik kesalahan berbeda secara signifikan. Panel A, B, dan C menyajikan temuan yang berkaitan dengan LIM1, LIM2, dan LIM3. Temuan yang berkaitan dengan estimasi dikumpulkan untuk ketiga LIMS mengungkapkan bahwa menerapkan hasil struktur LIM di MeanSEs secara signifikan lebih kecil, MeanAEs, MedSEs, dan MedAEs. Misalnya, untuk LIM1, panel A mengungkapkan bahwa menerapkan struktur LIM secara signifikan mengurangi MeanSEs (MeanAEs) 75,94-65,25 (2,72-2,64)

berdasarkan estimasi dikumpulkan. Namun, untuk LIM1 dan LIM2, temuan ini tidak memperoleh dalam estimasi oleh-industri. Secara khusus, dengan satu pengecualian, semua metrik error empat dilandasi oleh industri-estimasi secara signifikan lebih besar ketika struktur LIM dikenakan. Misalnya, untuk LIM1, panel A mengungkapkan bahwa menerapkan struktur LIM secara signifikan meningkatkan MeanSEs (MeanAEs) 34,04-35,98 (1,76-1,79). Untuk LIM3, hasilnya dicampur dalam bahwa ketika struktur LIM tidak dikenakan, kesalahan prediksi median secara signifikan lebih besar, namun kesalahan prediksi rata-rata secara signifikan lebih kecil. Namun, untuk ketiga LIMS, tidak ada kesalahan yang berkaitan dengan metrik rata-rata (median) berarti industri (median) berbeda secara signifikan ketika struktur LIM adalah atau tidak dipaksakan. Konsisten dengan ini, untuk ketiga LIMS, jumlah industri yang MeanSEs (MeanAEs) lebih kecil signifikan dengan atau tanpa menerapkan struktur LIM kurang lebih sama, meskipun ada beberapa bukti bahwa menerapkan struktur LIM adalah sedikit bermanfaat bagi LIM2. Secara keseluruhan, temuan ini menunjukkan bahwa menerapkan struktur LIM tidak konsisten meningkat atau menurun secara konsisten kesalahan prediksi. Dengan demikian, temuan ini mendukung efektivitas menarik kesimpulan dari persamaan penilaian berdasarkan model residual income yang tidak menerapkan struktur tersirat oleh model. 21 Sebuah hasil yang mencolok dalam tabel 3 berkaitan dengan perbandingan antara temuan dikumpulkan dan oleh-industri estimasi. Pertama, konsisten dengan prediksi kami bahwa hubungan antara nilai pasar saham dan jumlah akuntansi berbeda antar industri, masing-masing empat metrik kesalahan secara signifikan dan substansial lebih besar berbasis pada pooled estimation.14 Sebagai contoh, MeanSEs dan MeanAEs berdasarkan estimasi dikumpulkan hampir dua kali lebih besar seperti yang dilandasi oleh industri-estimasi. Ingat bahwa estimasi

dikumpulkan meliputi industri fixed-efek. Seandainya kita membatasi mencegat harus sama di seluruh industri dalam estimasi dikumpulkan, perbedaan antara dikumpulkan dan oleh-industri estimasi kemungkinan akan lebih besar. Kedua, kesimpulan yang berkaitan dengan apakah menerapkan struktur LIM mengurangi kesalahan prediksi berbeda tergantung pada apakah kesimpulan didasarkan pada perbandingan metrik kesalahan dari menggenang atau oleh-industri estimasi. Sedangkan metrik kesalahan berdasarkan estimasi dikumpulkan secara signifikan lebih kecil ketika struktur dikenakan, sebaliknya adalah benar dalam estimasi oleh-industri. 4.2.2 Cross-LIM perbandingan kesalahan prediksi ekuitas nilai Tabel 4 menyajikan perbandingan dari empat metrik kesalahan di tiga estimasi LIM. Panel A (B) menyajikan perbandingan MeanSE dan MeanAE tanpa (dengan) menerapkan struktur LIM, panel C (D) menyajikan statistik analog untuk MedSE dan MedAE. Perbedaan yang signifikan antara (1) dan LIM1 LIM2, (2) LIM1 dan LIM3, dan (3) LIM2 dan LIM3 metrik kesalahan yang dilambangkan dengan tanda bintang (*), huruf miring, dan font huruf tebal, masing-masing. Untuk setiap perbandingan berpasangan dari LIMS, 4 meja juga mencantumkan jumlah industri yang metrik kesalahan berbeda secara signifikan. 14 MeanSE, MeanAE, MedSE, dan nilai-nilai MedAE untuk estimasi dikumpulkan secara signifikan lebih besar dari setiap nilai industri berbasis sebanding dengan kurang dari tingkat 0,0001. Konsisten dengan temuan ini, Barth, Beaver, Tangan, dan Landsman (1999) memberikan bukti deskriptif bahwa pendapatan arus kas akrual dan komponen bervariasi di 22 Perbandingan MeanSE dan MeanAE berdasarkan LIM1 dan LIM2 di panel A dan B mengungkapkan bahwa disagregasi laba menjadi arus kas dan total akrual bantu dalam memprediksi nilai pasar ekuitas. Pada 11 dari 12 perbandingan, metrik kesalahan untuk LIM2

lebih kecil daripada untuk LIM1. Namun, hanya empat dari perbedaan ini signifikan, tiga di antaranya memperoleh ketika struktur LIM dikenakan. Secara khusus, panel B mengungkapkan bahwa ketika struktur LIM dikenakan, tiga dari enam metrik kesalahan secara signifikan lebih kecil untuk LIM2 dari LIM1, dan tidak ada yang secara signifikan lebih kecil untuk LIM1. Pengurangan yang signifikan dalam MeanSE, 65,25-58,13, berdasarkan estimasi dikumpulkan, dan di MeanAE, 2,64-2,58 dan 1,79-1,76, berdasarkan dikumpulkan dan oleh-industri estimasi. Selain itu, ada sejumlah besar industri yang LIM2 hasil dalam pengurangan MeanSE (MeanAE), 4 versus 3 (7 vs 5). Mengenai perbandingan kesalahan prediksi dari LIM2 dan LIM3, panel A dan B mengungkapkan bahwa kesalahan prediksi LIM3 bukti kecil dari LIM2 ketika struktur LIM tidak dikenakan. Misalnya, panel A mengungkapkan bahwa ketika struktur LIM tidak dikenakan, disaggregating laba ke dalam aliran kas dan empat komponen utama akrual secara signifikan menurunkan MeanSE 33,97-31,66 dilandasi oleh industri-estimasi, dan MeanAEs 2,69-2,66 dan 1,75-1,68 , berdasarkan dikumpulkan dan oleh-industri estimasi. Namun, panel B mengungkapkan bahwa ketika struktur LIM dikenakan, MeanSEs dan MeanAEs meningkat secara signifikan ketika menggunakan LIM3, 58,13-64,20 dan 2,58-2,63, berdasarkan estimasi dikumpulkan. Untuk hanya MeanAE dilandasi oleh industri-estimasi apakah ada penurunan yang signifikan dalam kesalahan prediksi dari LIM2 sampai LIM3 ketika struktur LIM dikenakan. Selain itu, tabel 4, panel A dan B mengungkapkan bahwa keberhasilan disaggregating akrual total ke empat komponen utama tampaknya industri-spesifik. Secara khusus, ketika industri, tetapi tidak menguji apakah membatasi koefisien komponen 'harus sama di seluruh industri mengikat. 23

LIM struktur tidak dikenakan, panel A mengungkapkan terdapat 2 (3) industri yang LIM2 menghasilkan MeanSEs secara signifikan lebih kecil (MeanAEs), dan 4 (7) industri yang LIM3 menghasilkan MeanSEs secara signifikan lebih kecil (MeanAEs). Ketika struktur LIM dikenakan, panel B mengungkapkan jumlah industri yang LIM2 atau LIM3 memiliki signifikan MeanSEs kecil dan MeanAEs yang terbagi rata. Meskipun perbandingan metrik kesalahan berdasarkan LIM2 dan LIM3 gagal untuk mengungkapkan manfaat konsisten untuk disagregasi tambahan pendapatan ke dalam aliran kas dan empat komponen akrual utama, perbandingan kesalahan prediksi rata-rata dari LIM1 dan LIM3 mengungkapkan gambaran yang agak jelas. Secara khusus, dalam semua 12 kemungkinan kasus, kesalahan metrik untuk LIM3 lebih kecil dari orang-orang untuk LIM1. Ketika struktur LIM adalah (tidak) dipaksakan, 4 dari 6 (2 dari 6) dari perbedaan yang signifikan. Misalnya, panel A mengungkapkan bahwa ketika struktur LIM tidak dikenakan, ada penurunan yang signifikan dalam MeanSE (MeanAE) 75,94-73,96 (2,72-2,66), berdasarkan estimasi dikumpulkan, dan 34,04-31,66 (1,76-1,68) , yang didasarkan pada estimasi-industri. Panel B mengungkapkan bahwa ketika struktur LIM dikenakan, terdapat penurunan yang signifikan pada MeanAEs saja, 1,79-1,71 berdasarkan estimasi dikumpulkan, dan 1,72-1,64, dilandasi oleh industri-estimasi. Juga, meja 4, panel A dan B, mengungkapkan bahwa keberhasilan disaggregating laba ke dalam aliran kas dan empat komponen akrual utama tampaknya menarik bagi sejumlah besar industri, apakah struktur LIM dikenakan. Secara khusus, panel A mengungkapkan bahwa sementara ada 3 (8) industri yang LIM3 menghasilkan MeanSEs secara signifikan lebih kecil (MeanAEs) ketika struktur LIM tidak dipaksakan, dan panel B mengungkapkan terdapat 8 (9) industri saat itu, ada hanya 1 (2) industri yang LIM3 menghasilkan MeanSEs secara signifikan lebih besar

(MeanAEs) ketika struktur LIM tidak dipaksakan, dan 2 (3) industri saat itu. 24 Secara keseluruhan, temuan di panel A dan B berdasarkan metrik kesalahan prediksi berarti menunjukkan ada beberapa pengurangan kesalahan prediksi saat penghasilan dibedakan ke dalam aliran kas dan akrual total, dan beberapa pengurangan tambahan bila total akrual dipilah ke dalam empat komponen utama. Namun, penurunan total kesalahan prediksi yang diperoleh dari laba bersih disaggregating ke dalam aliran kas dan empat komponen akrual utama adalah lebih besar daripada yang terlihat dari dua pemilahan kelompok stakeholder berurutan. Dengan kata lain, meskipun ada beberapa pemisahan dalam kemampuan prediktif antara LIM2 dan LIM1, dan beberapa pemisahan tambahan antara LIM3 dan LIM2, pemisahan total antara LIM3 dan LIM1 lebih jelas. Beralih ke statistik median disajikan dalam tabel 4, panel C dan D, perbandingan kesalahan prediksi di tiga LIMS menggambarkan gambaran yang agak berbeda dari perbandingan berdasarkan statistik rata-rata disajikan dalam panel A dan B. Secara khusus, sedangkan kesalahan prediksi rata-rata dan statistik jumlah industri dalam panel A dan B umumnya mendukung disagregasi laba ke dalam aliran kas dan empat komponen akrual utama, kesalahan prediksi median umumnya mendukung disagregasi pendapatan hanya menjadi arus kas dan akrual total. Selanjutnya, kesimpulan ini berlaku apakah atau tidak struktur LIM dikenakan. Misalnya, panel C mengungkapkan bahwa ketika struktur LIM tidak dikenakan, disagregasi laba bersih menjadi arus kas dan total akrual secara signifikan mengurangi MedSEs (MedAEs) 0,850,79 (0,92-0,89) berdasarkan estimasi dikumpulkan, 0,36-0,34 (0,60-0,59) dilandasi oleh industri-estimasi. Selain itu, sedangkan jumlah industri yang menghasilkan LIM2 MedSE kecil (MedAE) adalah 6 (6), nomor yang LIM1 menghasilkan MedSE kecil (MedAE) hanya 2 (3).

25 Perbandingan metrik kesalahan untuk LIM2 dan LIM3 mengungkapkan bahwa disagregasi total akrual tidak menguntungkan. Misalnya, panel C mengungkapkan bahwa ketika struktur LIM tidak dikenakan, MedSEs (MedAEs) meningkat 0,79-0,84 (0,89-0,92) berdasarkan estimasi dikumpulkan, dan 0,34-0,36 (0,59-0,60) berdasarkan estimasi industri yang terpisah, meskipun hanya dengan industri-perbedaan yang signifikan. Seperti dengan statistik rata-rata di panel B, efektivitas disaggregating laba ke dalam aliran kas dan empat komponen akrual utama berdasarkan metrik kesalahan median tampaknya industri-spesifik, dengan dasi virtual dalam hal jumlah industri yang LIM2 atau LIM3 Hasil dalam metrik kesalahan secara signifikan lebih kecil. Akhirnya, perbandingan metrik kesalahan rata-rata untuk LIM1 dan LIM3 dalam tabel 4, panel C dan D mengungkapkan beberapa bukti bahwa LIM3 hasil lebih kecil kesalahan prediksi median dari LIM1. Paling menonjol, jumlah industri yang LIM3 hasil secara signifikan metrik kesalahan kecil dari LIM1 sebagian besar mencerminkan manfaat dari laba bersih disaggregating ke dalam aliran kas dan akrual total, yaitu, LIM2. Namun, disagregasi akrual total ke empat komponen utama hanya menghasilkan sedikit peningkatan dalam jumlah industri yang ada metrik kesalahan lebih kecil daripada yang diperoleh saat disaggregating laba bersih menjadi arus kas dan akrual total. Dengan demikian, berbeda dengan bukti dari statistik rata-rata, bukti dari statistik menunjukkan bahwa rata-rata nilai pasar ekuitas kemampuan prediktif meningkatkan terutama hanya ketika disaggregating laba bersih menjadi arus kas dan total accruals.15 15 Sebagaimana dijelaskan dalam Lampiran A, LIM3 kita mengembangkan dan perkiraan didasarkan pada model kami percaya dengan tepat menangkap keterkaitan antar komponen akrual. Namun, ada kemungkinan bahwa kesimpulan kita mengenai manfaat relatif

disaggregating akrual total ke empat komponen utama adalah hasil dari versi LIM3 yang kita pilih. Untuk menguji kemungkinan ini, kami memperkirakan tiga alternatif LIMS menggunakan empat komponen utama akrual. Yang pertama memodifikasi persamaan (3b), (3c), dan (3d) untuk menyertakan hanya nilai tertinggal dari komponen yang diperkirakan dan nilai buku ekuitas. Yang kedua tidak memperlakukan depresiasi sebagai komponen akrual yang terpisah, sehingga menghilangkan persamaan (3e) dan menghilangkan DEP dari persamaan yang tersisa. Yang ketiga tidak memperlakukan perubahan dalam persediaan sebagai komponen akrual yang terpisah, sehingga menghilangkan persamaan (3c) dan menghilangkan INV dari persamaan yang tersisa. Tak satu pun dari kesimpulan yang berkaitan dengan LIM3 dipengaruhi ketika LIMS alternatif digunakan. 26 Secara keseluruhan, bukti-bukti dalam tabel 4 menunjukkan bahwa jika ketika memprediksi nilai pasar ekuitas yang prihatin kesalahan dalam ekor dari distribusi kesalahan prediksi, maka kita harus memisahkan laba bersih menjadi arus kas dan empat komponen akrual utama. Namun, jika ada yang kurang peduli tentang kesalahan dalam ekor dari distribusi kesalahan prediksi, maka kita harus memisahkan laba bersih hanya menjadi arus kas dan akrual total. Artinya, jika perusahaan yang satu memprediksi nilai ekuitas serupa-dalam hal implikasi penilaian mereka akrual-untuk perusahaan yang prediksi didasarkan, maka tidak perlu prediksi berbasis model yang mencakup komponen akrual. Namun, jika perusahaan yang satu memprediksi nilai ekuitas tidak seperti perusahaan yang prediksi didasarkan, maka prediksi yang lebih akurat apabila didasarkan pada sebuah model yang mencakup komponen akrual daripada total akrual. 6. Ringkasan dan Penutup Studi ini menentukan apakah dan sejauh mana disagregasi pendapatan dan valuasi Model

menerapkan informasi bantuan struktur linear dalam memprediksi nilai ekuitas. Hal ini juga menentukan apakah dan sejauh mana mendasarkan prediksi estimasi industri yang terpisah dari parameter model valuasi mempengaruhi prediksi nilai pasar ekuitas. Menggunakan sampel perusahaan Compustat, kami memprediksi out-of-sampel nilai pasar ekuitas kontemporer menggunakan prosedur jack-knifing. Untuk menguji apakah laba disagregasi mempengaruhi nilai ekuitas kemampuan prediktif, kami memperkirakan nilai ekuitas menggunakan tiga model penilaian informasi linier (LIM) menggunakan tiga tingkat disagregasi laba. The LIM pertama berdasarkan penghasilan agregat, disaggregates kedua laba ke dalam aliran kas dan akrual total, dan disaggregates ketiga laba menjadi arus kas dan empat komponen utama dari akrual-perubahan piutang, perubahan persediaan, perubahan hutang, dan depresiasi . 27 Kami mengembangkan prediksi nilai ekuitas untuk setiap LIM menggunakan prosedur estimasi dua, salah satu yang tidak menerapkan struktur LIM pada persamaan penilaian ekuitas, dan kedua yang tidak. Untuk menguji apakah laba disagregasi bantu dalam memprediksi nilai ekuitas, kita membandingkan kesalahan prediksi di tiga LIMS. Untuk menguji apakah menerapkan struktur bantu LIM dalam memprediksi nilai ekuitas, kita membandingkan prediksi dari estimasi ketika struktur LIM dikenakan kepada mereka dari ketika tidak. Untuk menguji apakah mendasarkan prediksi pada estimasi industri yang terpisah dari parameter model valuasi mempengaruhi prediksi ekuitas nilai, kita membandingkan kesalahan prediksi dari dikumpulkan dan estimasi industri yang terpisah untuk masing-masing LIM. Mengenai pertanyaan penelitian kami apakah menerapkan struktur bantu LIM dalam memprediksi nilai ekuitas, kita menemukan bahwa untuk ketiga LIMS, menerapkan hasil struktur LIM dalam kesalahan prediksi secara signifikan lebih kecil, berdasarkan estimasi

dikumpulkan. Sebaliknya, kita menemukan bahwa kesalahan prediksi tidak berbeda secara signifikan ketika struktur LIM adalah atau tidak diberlakukan oleh industri-estimasi. Temuan ini menunjukkan bahwa desain penelitian berdasarkan model residual income tidak perlu menerapkan struktur model karena hal itu tidak bertambah atau berkurang kesalahan prediksi. Dengan demikian, temuan ini mendukung efektivitas menarik kesimpulan dari persamaan penilaian berdasarkan model residual income yang tidak menerapkan struktur tersirat oleh model. Berkaitan dengan pertanyaan penelitian kami apakah dengan alat bantu industri estimasi dalam memprediksi nilai ekuitas, kita menemukan bahwa prediksi kesalahan yang didasarkan pada estimasi-industri yang jauh lebih kecil daripada yang didasarkan pada estimasi dikumpulkan. Temuan ini menunjukkan bahwa penilaian pendapatan abnormal, akrual, komponen akrual, nilai buku ekuitas, dan informasi lainnya bervariasi secara signifikan di seluruh industri. Hal ini juga menunjukkan bahwa kesimpulan yang berkaitan dengan apakah menerapkan struktur LIM mengurangi kesalahan prediksi harus didasarkan oleh industriestimasi. 28 Mengenai pertanyaan penelitian kami berkaitan dengan apakah disaggregating bantu laba dalam memprediksi nilai ekuitas, kami menemukan beberapa kesalahan prediksi penurunan rata-rata pada saat penghasilan dibedakan ke dalam aliran kas dan akrual total, dan beberapa pengurangan tambahan bila total akrual dipilah ke dalam empat komponen utama. Namun, penurunan total kesalahan prediksi rata-rata yang diperoleh dari disaggregating laba bersih menjadi arus kas dan empat komponen akrual utama adalah lebih besar daripada yang terlihat dari dua pemilahan kelompok stakeholder berurutan. Sebaliknya, bukti dari kesalahan prediksi median mendukung disagregasi pendapatan hanya menjadi arus kas dan akrual total. Temuan ini menunjukkan

bahwa jika saat memprediksi pasar ekuitas menghargai kekhawatiran adalah dengan kesalahan dalam ekor dari distribusi kesalahan prediksi, maka penghasilan harus dipisahkan ke dalam aliran kas dan empat komponen akrual utama. Namun, jika ada kekhawatiran sedikit dengan kesalahan dalam ekor dari distribusi kesalahan prediksi, maka penghasilan harus dipisahkan hanya menjadi arus kas dan akrual total. Dengan demikian, untuk perusahaan dengan kesalahan prediksi yang lebih ekstrim, komponen akrual muncul untuk memberikan informasi tambahan tambahan dengan yang di total akrual yang membantu untuk memprediksi nilai ekuitas. 29 LAMPIRAN A LIM Forecasting Persamaan Akrual KOMPONEN DAN LABA MASA DEPAN LIM3 berfokus pada empat komponen utama dari akrual, perubahan piutang, REC, perubahan inventori, INV, perubahan hutang, AP, dan depresiasi dan amortisasi, DEP, karena kita mengharapkan mereka untuk memiliki implikasi yang berbeda untuk peramalan laba abnormal dan valuasi ekuitas. Komponen akrual pertama, REC, mencerminkan informasi tentang penjualan saat ini dan penerimaan kas. Sejauh bahwa penjualan saat ini positif terkait dengan penjualan di masa mendatang, REC akan berhubungan positif dengan penjualan masa depan dan dengan demikian laba masa depan (Stober, 1992) .16 Namun, karena REC negatif yang terkait dengan penerimaan kas, perubahan piutang dapat secara negatif terkait penjualan berjangka. Ini hubungan negatif terjadi karena rendahnya penerimaan kas saat ini bisa menjadi indikasi bahwa permintaan produk akan menurun di masa depan karena ada penurunan permintaan produk sebagai akibat dari atau terkait dengan kondisi ekonomi secara umum. Komponen akrual kedua, INV, bisa negatif atau positif yang berkaitan dengan penjualan masa depan. Dengan asumsi biaya persediaan konstan, kenaikan (penurunan) dalam persediaan dapat

disebabkan oleh peningkatan (penurunan) dalam penjualan saat ini, jika manajemen tidak dapat segera menyesuaikan persediaan dalam menanggapi guncangan penjualan. Seperti piutang, sejauh bahwa penjualan baru-baru ini positif memprediksi penjualan di masa mendatang, INV adalah negatif terkait dengan penjualan masa depan karena hubungan negatif dengan penjualan saat ini. Namun, karena tingkat persediaan mencerminkan manajemen informasi pribadi mengenai permintaan di masa mendatang, INV dapat positif terkait dengan penjualan di masa depan. Jika manajemen mengadopsi kebijakan persediaan yang mengharuskan perusahaan untuk mempertahankan tingkat target persediaan berdasarkan 16 Demi penghematan, pengembangan prediksi kami mengenai hubungan antara komponenkomponen akrual dan laba masa depan berfokus pada penjualan dan bukan beban. Untabulated temuan dari regresi berdasarkan persamaan (3a) 30 penjualan diantisipasi, yaitu, mereka sebagian menanggapi guncangan penjualan saat ini, mengamati kenaikan persediaan (penurunan) mengungkapkan harapan manajemen tentang kenaikan permintaan di masa mendatang (penurunan) (Bernard dan Noel, 1991; Dechow, Kothari, dan Watts, 1998; Barth, Cram, dan Nelson, 2001). Memegang kuantitas persediaan konstan, peningkatan persediaan dapat mencerminkan peningkatan faktor-masukan harga, yang menghasilkan biaya yang lebih tinggi saat ini dan pendapatan yang lebih rendah saat ini. Sampaisampai saat ini biaya memprediksi biaya masa depan, peningkatan persediaan secara negatif terkait dengan laba masa depan. Seperti dengan persediaan, komponen akrual ketiga, AP, bisa negatif atau positif yang berkaitan dengan penjualan masa depan. Memegang faktor-masukan harga konstan, peningkatan hutang dapat mencerminkan peningkatan persediaan disebabkan pembelian, dan karenanya, yang positif dalam indikator peningkatan penjualan masa depan. Memegang kuantitas pembelian

persediaan, peningkatan hutang dapat mencerminkan peningkatan faktor-masukan harga, yang mengakibatkan biaya tinggi saat ini dan pendapatan yang lebih rendah saat ini. Sampai-sampai saat ini biaya memprediksi biaya masa depan, peningkatan hutang yang negatif terkait dengan masa depan earnings.17 Komponen akrual akhir pendapatan, DEP, mungkin akan positif terkait dengan penjualan masa depan karena manajemen meningkatkan pembelian aset tidak lancar dalam mengantisipasi peningkatan produksi, dan peningkatan hasil aktiva tidak lancar dalam penyusutan yang lebih tinggi (Feltham dan Ohlson, 1996). Meskipun penyusutan dan amortisasi mengurangi laba, manajemen tidak akan berinvestasi tanpa mengharapkan pengembalian positif atas investasi. Meskipun bukan merupakan komponen akrual laba, seperti dalam LIM1 dan LIM2, kami sertakan dalam LIM3 nilai buku ekuitas, BV, dalam persamaan pendapatan abnormal untuk memungkinkan efek melalui (3h) diperluas untuk memungkinkan koefisien pada penjualan dan beban berbeda mengungkapkan bahwa koefisien perbedaan umumnya berbeda tidak nyata dengan nol. 31 konservatisme untuk mewujudkan (Feltham dan Ohlson, 1995; 1996) dan untuk bersantai asumsi bahwa biaya modal terkait dengan menghitung pendapatan abnormal adalah cross-sectional yang telah ditentukan konstan. BV akan berhubungan positif dengan pendapatan abnormal masa depan jika laba yang konservatif. BV akan berhubungan negatif dengan pendapatan abnormal masa depan jika normal kembali pada nilai buku ekuitas kurang dari kembalinya kita asumsikan dalam tes empiris kami, yang, konsisten dengan penelitian sebelumnya, adalah 12 persen. Meskipun setiap komponen akrual harus membantu dalam memprediksi laba masa depan normal, kecuali untuk DEP, tanda hubungan antara masing-masing komponen dan pendapatan abnormal masa depan tidak dapat diprediksi. Lebih penting lagi, seperti diskusi di atas

menunjukkan, hubungan kemungkinan berbeda antar komponen. Dengan demikian, LIM3 memungkinkan setiap komponen akrual memiliki hubungan peramalan yang berbeda dengan pendapatan abnormal masa depan. Tabel A1, panel A, B, dan C, menyajikan statistik pendapatan normal persamaan prediksi ringkasan LIM1,, LIM2 dan LIM3. Untuk LIM1, temuan yang berkaitan dengan regresi di mana kita tidak menerapkan struktur LIM mengungkapkan koefisien rata-rata di seluruh industri pada pendapatan abnormal tertinggal, 11, adalah 0,56, yang mirip dengan yang dilaporkan dalam penelitian sebelumnya. Koefisien berarti semua signifikan positif, dan jangkauan 0,18-1,03, menunjukkan ada substansial lintas-industri variasi dalam kegigihan pendapatan abnormal. Temuan yang berkaitan dengan regresi di mana kita menerapkan struktur LIM serupa kecuali bahwa sarana industri secara substansial lebih besar dalam besarnya. Untuk semua 17 industri, koefisien berarti berbeda dari yang diperoleh dari estimasi tanpa menerapkan struktur LIM. Panel B mengungkapkan koefisien tambahan pada ACC, total akrual tertinggal, 12, dalam pendapatan abnormal peramalan persamaan adalah negatif, rata-rata, untuk semua industri dan 17 Prediksi yang sama dapat menghasilkan dengan menghubungkan hutang dengan biaya yang tidak terkait dengan persediaan, seperti komponen penjualan, umum, dan administrasi (SGA) beban. Misalnya, memegang faktor-masukan harga konstan, meningkat dalam 32 signifikan negatif untuk semua kecuali empat. Rata-rata industri koefisien nilai -0.17 dan -0.22, serupa dalam tanda dan besarnya untuk industri rata -0.25 dilaporkan dalam penelitian sebelumnya (Barth, Beaver, Tangan, dan Landsman, 1999). Panel C menunjukkan ada substansial lintas-industri variasi koefisien pada setiap komponen akrual laba, perubahan piutang, REC, perubahan inventori, INV, perubahan hutang, AP, dan depresiasi dan amortisasi, DEP. Pertama, untuk semua empat komponen, pendapatan normal

tambahan peramalan koefisien, 12, 13, 14, dan 15, pada setiap komponen akrual secara signifikan positif untuk beberapa industri dan negatif bagi orang lain. Hal ini kontras dengan koefisien pada komponen lain dari pendapatan abnormal, yang meliputi arus kas, dan nilai buku ekuitas, yang positif dan signifikan di hampir semua industri. Pendapatan tambahan yang abnormal meramalkan koefisien pada perubahan piutang, REC, perubahan hutang, AP, dan depresiasi, DEP, lebih konsisten daripada yang positif perubahan di dalam persediaan, INV, yang lebih konsisten negatif. Terutama, dengan pengecualian satu industri untuk AP, pendapatan normal tambahan meramalkan koefisien yang diperoleh dengan dan tanpa menerapkan struktur LIM tidak signifikan berbeda satu sama lain. Hal ini menunjukkan bahwa penerapan struktur LIM tidak mengikat dalam estimasi LIM3. Ini kontras dengan temuan untuk LIM1 dan LIM2 di panel A dan B, yang menunjukkan bahwa koefisien peramalan pada pendapatan abnormal dan total akrual diperoleh dengan dan tanpa menerapkan struktur LIM secara signifikan berbeda satu sama lain. Dengan demikian, semakin memisahkan LIM, LIM3, menghasilkan pendapatan abnormal diperkirakan meramalkan koefisien yang lebih konsisten dengan koefisien penilaian dilaporkan dalam tabel 2. Ingat, bagaimanapun, bahwa karena kompleksitas LIM3, konsistensi antara koefisien AP dapat mencerminkan peningkatan pembelian input faktor lain yang merupakan komponen dari SGA. 33 peramalan tambahan dan koefisien penilaian tidak selalu berarti konsistensi dalam tanda-tanda mereka. PREDIKSI KOMPONEN PERSAMAAN akrual

Untuk LIM3, persamaan (3b) sampai (3e) menentukan persamaan prediksi untuk masing-masing komponen. Konsisten dengan Ohlson (1999), setiap komponen diasumsikan mengikuti proses autoregressive. Dengan demikian, masing-masing persamaan prediksi komponen termasuk nilai tertinggal untuk komponen tersebut. Karena kita berharap komponen akrual secara positif autocorrelated, berdasarkan Ohlson (1999) dan temuan yang berkaitan dengan akrual total Barth, Beaver, Tangan, dan Landsman (1999), kami memprediksi jj> 0 untuk setiap komponen. Kami tidak memprediksi jj 1, seperti yang akan diperlukan untuk stasioneritas jika persamaan (3a) melalui (3g) disertakan hanya nilai tertinggal dari masing-masing komponen. Sebaliknya, stasioneritas persamaan (3a) melalui (3g) hanya memerlukan nilai eigen untuk sistem persamaan yang diberikan oleh persamaan (3a) melalui (3g) kurang dari 1. Prediksi Piutang persamaan, persamaan (3b), juga mencakup INV dan DEP karena, seperti dijelaskan di atas, masing-masing komponen laba memprediksi penjualan di masa mendatang, yang pada gilirannya mempengaruhi perubahan masa depan dalam piutang. Persamaan (3b) tidak termasuk AP karena kita mengharapkan hubungan antara perubahan dalam hutang dan perubahan masa depan dalam piutang terkait dengan penjualan masa depan yang akan ditangkap oleh perubahan dalam persediaan. Seperti dalam persamaan (3b), karena perubahan dalam piutang dan penyusutan memprediksi penjualan di masa mendatang, yang pada gilirannya mempengaruhi perubahan masa depan dalam persediaan, persamaan prediksi persediaan, persamaan (3c), termasuk REC dan DEP. Karena hutang yang digunakan untuk membeli persediaan, kami berharap perubahan hutang untuk memprediksi perubahan masa depan dalam persediaan. Dengan demikian, persamaan (3c) juga termasuk AP. Sejauh bahwa perubahan dalam persediaan yang terus-menerus, kami berharap perubahan dalam persediaan untuk memprediksi perubahan di masa depan hutang.

Dengan demikian, persamaan (3d), persamaan prediksi hutang, juga termasuk INV. 34 Karena kita tidak mengharapkan komponen laba untuk memiliki kemampuan urutan pertama prediktif untuk depresiasi, persamaan (3e) hanya mencakup DEP tertinggal dan nilai buku ekuitas. Tabel A2 menyajikan laba statistik komponen persamaan prediksi ringkasan LIM2 di panel A, dan untuk LIM3 di panel B melalui E. Panel A mengungkapkan rata-rata industri pada koefisien total akrual, ACC, dalam persamaan peramalan sendiri,, 22 0,59 dan 0,60, mirip dengan ratarata industri dari 0,48 dilaporkan dalam penelitian sebelumnya (Barth, Beaver, Tangan, dan Landsman, 1999). Meskipun terdapat berbagai koefisien di seluruh industri, hampir semua secara signifikan positif. Panel A juga mengungkapkan bahwa struktur LIM mengikat hanya 3 dari 17 industri. Beralih ke LIM3, temuan yang dilaporkan dalam panel B, C, D, dan E umumnya menunjukkan bahwa koefisien nilai setiap komponen yang tertinggal, jj, adalah positif dan signifikan. Selain itu, nilai-nilai tertinggal dari komponen lain juga merupakan variabel penjelas sering signifikan di setiap persamaan komponen peramalan, meskipun tanda-tanda mereka lebih spesifik industri. Khususnya, konsisten dengan temuan yang dilaporkan untuk LIM3 pendapatan abnormal peramalan persamaan dilaporkan dalam tabel A1, panel C, panel B melalui D menunjukkan bahwa struktur LIM tidak mengikat bagi sebagian besar koefisien komponen peramalan persamaan. 35 LAMPIRAN B Derivasi dari Koefisien Penilaian untuk LIM3

Lampiran ini berasal koefisien valuasi dalam persamaan (3h) dalam hal jk dalam persamaan (3a) melalui (3g). Derivasi kami adalah mirip dengan yang di Ohlson (1995) dan Myers (1999). Setelah Ohlson (1995), nilai pasar ekuitas, MVE, didefinisikan sebagai jumlah buku ekuitas nilai saat ini, BV, dan diharapkan pendapatan abnormal mendatang, Nia, diskon dengan laju yang konstan, r: + + = = +1) 1 (EtattttrNIBVMVE (A1) Tentukan M = {jk), enam oleh enam matriks koefisien dalam persamaan (3a) melalui (3g), X = {11, 12, ..., 16}, satu per enam vektor baris yang terdiri dari koefisien yang berkaitan dengan persamaan (3a), dan = {,,, tZatNItRECtINVtAP,,}, enam per satu vektor kolom yang terdiri dari variabel penjelas dalam persamaan (3h). Menggunakan notasi ini, persamaan (3a) dapat ditulis kembali sebagai, atau lebih umum,. Memperhatikan bahwa,. Dengan demikian, persamaan (A1) dapat kembali dinyatakan sebagai: (A2A) ttrrrBVZMIX + + + + + + + = 22) 1 () 1 () 1 ((A2b) Dengan asumsi Nilai Eigen dari) 1 (r + M semua kurang dari satu dalam nilai absolut, maka tanda kurung 36 Istilah dalam persamaan (A2b) sama dengan 1) 1 (- +-rMI.18 Ini berarti bahwa tttrrBVMVEZMIX1) 1 () 1 (- + - + + = (A3) Tentukan T = {0, 0, 0, 0, 0, 1}, satu per enam vektor baris, dan = {1, 2, 3, 4, 5, 6}, juga satu per enam vektor baris, kemudian Persamaan (A3) dapat ditulis kembali sebagai: tttrrMVEZMIXTZ + - + + == -1) 1 () 1 ((A4) Dengan demikian, 1) 1 () 1 (- + - + + = rrMIXT (A5) Pembatasan Absen pada M, misalnya, triangularity dari dinamika informasi linier, solusi bentuk tertutup untuk adalah kompleks.

18 Asumsi ini adalah generalisasi dari asumsi di Ohlson [1995] itu, yang menjamin bahwa timeseries proses yang stasioner. 1 | | <jj 37 Referensi Barth, M.E., W.H. Beaver dan W.R. Landsman (1998). "Peran Penilaian Relatif Nilai Ekuitas Buku dan Laba Bersih sebagai Fungsi Kesehatan Keuangan." Jurnal Akuntansi dan Ekonomi 25: 1-34. Barth, M.E., W.H. Beaver dan W.R. Landsman (2001). "Relevansi dari Sastra Relevansi Nilai untuk Menetapkan Standar Akuntansi: View lain." Jurnal Akuntansi dan Ekonomi 31: 77-104. Barth, M.E., W.H. Beaver, J.M. Tangan, dan W.R. Landsman (1999). "Dibayar, Arus Kas, dan Nilai Ekuitas." Ulasan Studi Akuntansi 3: 205-229. Barth, M.E., D.P. Cram, dan K.K. Nelson. (2001). "Dibayar dan Prediksi Arus Kas Masa Depan." The Ulasan Akuntansi 76: 27-58. Barth, M.E., dan A.P. Hutton. (2004). "Laba Analis Forecast Revisi dan Penetapan dibayar." Ulasan Studi Akuntansi 9: 59-96. Barth, M.E., dan S. penelitian Kallapur (1996). "Efek dari Cross-Sectional Perbedaan Skala pada Hasil Regresi dalam Penelitian Akuntansi Empiris." Akuntansi Penelitian Kontemporer 13: 527567. Bernard, V.L. (1995). "The Feltham-Ohlson Kerangka: Implikasi untuk empirisis." Akuntansi Penelitian Kontemporer 11: 733-747. Bernard, V.L., dan J. Noel. (1991). "Apakah Pengungkapan Inventarisasi Memprediksi Penjualan dan Laba?" Jurnal Akuntansi, Auditing, dan Keuangan 6: 145-181. Collins, D.W., dan P. Hribar. (2000). "Anomali Pasar Laba-based dan berbasis Akrual: Satu atau

Dua Efek?" Jurnal Akuntansi dan Ekonomi 29: 101-123. Collins, D.W., Maydew, E.L., dan I.S. Weiss. (1997). "Perubahan dalam Relevansi Nilai-of 38 Laba & Nilai Ekuitas Book Selama Empat Puluh Tahun Terakhir "Jurnal Akuntansi dan Ekonomi 24:. 39-67. Dechow, P.M. (1994). "Akuntansi Pendapatan dan Arus Kas sebagai Ukuran Kinerja Perusahaan: Peran Akuntansi Akrual." Jurnal Akuntansi dan Ekonomi 18: 3-42. Dechow, P.M., Hutton, A.P., dan R.G. Sloan. (1999). "Sebuah Kajian Empiris dari Model Penilaian Residual Income." Jurnal Akuntansi dan Ekonomi 26: 1-34. Dechow, P.M., S.P. Kothari, dan Watts R.L.. (1998). "Hubungan antara Laba dan Arus Kas." Jurnal Akuntansi dan Ekonomi 25: 133-168. Fama, E.F., dan K.R. Perancis. (1998). "Pajak, Keputusan Pendanaan, dan Nilai Perusahaan." Jurnal Keuangan 53: 819-843. Fama, E.F., dan J.D. Macbeth. (1973). "Risiko, Kembali, dan Ekuilibrium: tes empiris." Journal of Political Economy 81: 607-636. Feltham, G.A., dan J.A. Ohlson. (1995). "Penilaian dan Akuntansi Surplus bersih untuk Aktivitas Operasi dan Keuangan." Akuntansi Penelitian Kontemporer 11: 689-732. Feltham, G.A., dan J.A. Ohlson. (1996). "Ketidakpastian Resolusi dan Teori Pengukuran Penyusutan." Jurnal Riset Akuntansi 34: 209-234. Dewan Standar Akuntansi Keuangan. (1987). Pernyataan Standar Akuntansi Keuangan No 95: Laporan Arus Kas (FASB, Stamford, CT). Frankel, R.M., dan C.M.C. Lee (1998). "Akuntansi Penilaian, Harapan Pasar, dan CrossSectional Pengembalian Saham." Jurnal Akuntansi dan Ekonomi 25: 283-319.

Tangan, J.R.M., dan W. Landsman. (2004). "Di dekat Dividen dan Valuasi Saham." Kertas kerja, University of North Carolina, yang akan datang, Jurnal Keuangan Bisnis dan Akuntansi. 39 Lee, C.M.C, J.N. Myers, dan B. Swaminathan (1999). "Apa Nilai intrinsik dari Dow?" Jurnal Keuangan 54: 1.693-1.741. Lundholm kemudian membuat, R.J. (1995). "Sebuah Tutorial di Ohlson dan Feltham-Ohlson Model: Jawaban untuk Beberapa Frequently Asked Questions?" Akuntansi Penelitian Kontemporer 11: 749-761. Myers, J.N. (1999). "Menerapkan Penilaian Residual Income dengan Dinamika Informasi Linear." The Ulasan Akuntansi 74: 1-28. Noreen, E.W. (1989). Komputer Intensif Metode Pengujian Hipotesis: Sebuah Pengantar. Wiley: New York, NY. Ohlson, J.A. (1995). "Laba, Nilai Buku Ekuitas, dan Dividen di Valuasi Saham." Riset Akuntansi Kontemporer: 66-687. Ohlson, J.A. (1999). "Pada Laba Pribadi." Ulasan Studi Akuntansi 3: 145-162. Sloan, R.G. (1996). "Apakah Harga Saham Sepenuhnya Reflect Informasi dibayar dan Arus Kas Tentang Laba Masa Depan?" Kajian Akuntansi 71: 289-315. Stober, T.L. (1992). "Isi Tambahan Informasi Piutang Penjualan Memprediksi, Laba, dan Marjin Laba." Jurnal Akuntansi, Auditing, dan Keuangan, 447-473. Xie, H. (2001). "The mispricing dari Akrual Abnormal." The Ulasan Akuntansi 76: 357-373. 40 TABEL 1 Deskriptif Statistik untuk 17.601 Pengamatan Compustat Firm-tahun, 1988-2001

Panel A: Distribusi Statistik (dalam jutaan $) Variabel Berarti Rata-rata Std. Dev. Nilai pasar ekuitas MVE 661.95 122.63 1,887.53 Nilai buku ekuitas BV 227.85 72.88 453.21 Abnormal laba Nia -0.54 -0.78 56.44 Jumlah akrual ACC -27.59

-4.88 84.60 Perubahan dalam persediaan INV 3.69 0.31 19.93 Perubahan piutang REC 5.59 1.02 28.92 Perubahan hutang PAY 4.03 0.65 25.48 Penyusutan + amortisasi DEP 27.45 6.45 68.54 Informasi lain

 -290.65 -212.48 980.21 | INV | / pendapatan 2,36% 1,21% 3.78% | REC | / pendapatan 3.49% 1,88% 5,15% | PAY | / pendapatan 2,80% 1,61% 4,49% | DEP | / pendapatan 5,98% 3,96% 7,61% Panel B: Korelasi, dengan Pearson (Spearman) Korelasi di atas (bawah) Diagonal MVE BV

Nia ACC INV REC PAY DEP MVE 0.75 0.42 -0.52 0.29 0.35 0.29 0.63 0.47 BV 0.90 0.20 -0.68 0.28 0.30 0.24

0.83 0.27 Nia 0.30 0.17 0.07 0.27 0.29 0.25 0.13 0.24 ACC -0.40 -0.47 0.15 0,01 * -0.04 -0.18 -0.84 -0.19 INV 0.25 0.22

0.25 0.23 0.31 0.39 0.21 0.14 REC 0.35 0.29 0.33 0.15 0.28 0.58 0.27 0.23 PAY 0.27 0.21 0.22 -0.11 0.30 0.43 0.20

0.20 DEP 0.78 0.87 0.09 -0.62 0.15 0.22 0.18 0.23 0.11 0.09 0.17 -0.03 0.04 0.10 0.07 0.08 41 TABEL 1 (lanjutan) Panel C: Komposisi Industri Industri Deskripsi

Primary SIC Codes Obs. % Makanan 2000 - 2111 592 3.36 Tekstil, percetakan & penerbitan 2200 - 2780 1,670 9.49 Bahan kimia 2800 - 2824, 2840 - 2899 695 3.95 Farmasi 2830 - 2836 726 4.12 Industri ekstraktif 2900 - 2999, 1300 - 1399 796 4.52

Durable produsen Karet, plastik, kulit, batu, tanah liat & kaca 3000 - 3299 768 4.36 Logam 3300 - 3499 904 5.14 Mesin-mesin 3500 - 3569, 3580 - 3599 1,048 5.95 Peralatan listrik 3600 - 3669, 3680 - 3699 1,149 6.53 Peralatan transportasi 3700 - 3799 534 3.03 Instrumen 3800 - 3899

1,548 8.79 Miscellaneous produsen 3900 - 3999 298 1.69 Komputer 7370 - 7379, 3570 - 3579, 3670 - 3679 2,697 15.32 Eceran Besar-besaran 5000 - 5199 921 5.23 Miscellaneous ritel 5200 - 5799, 5900 - 5999 1,266 7.19 Restoran 5800 - 5899 373 2.12

Layanan 7000 - 8999, termasuk 7370 - 7379 1,616 9.18 Total 17,601 100.00 MVE adalah nilai pasar ekuitas pada akhir tahun fiskal, BV adalah nilai buku ekuitas pada akhir tahun fiskal, NI adalah laba sebelum pos luar biasa dan operasi dihentikan, Nia adalah pendapatan abnormal, didefinisikan sebagai nit - rBVt-1, di mana r = 12% . ACC adalah total akrual (NI - arus kas dari operasi). INV, REC, dan PAY adalah perubahan tahunan dalam persediaan, piutang, dan hutang. DEP adalah penyusutan dan amortisasi. merupakan informasi lainnya. * P-value = 0,45. Semua korelasi lainnya di panel B secara signifikan berbeda dari nol ( = 0,01). 42 TABEL 2 Regresi Statistik untuk Sampel dari 14.128 Pengamatan Compustat Firm-tahun, 1.988-2.001 Panel A: itititaitituBVNIMVE + + + + = 3210 Tanpa Struktur LIM Dengan Struktur LIM 1 2

3 R2 1 2 3 R2 Pemusatan 9.45 2.52 0.69 0.73 10.38 2.58 0.56 0.73 t-statistik 69.75 143.44 80.38 81.67 147.86 72.00 Dengan Industri

Berarti 6.82 2.36 0.87 0.85 7.12 2.45 0.74 0.85 FM t-statistik 4.87 12.84 14.32 5.15 12.45 10.54 Minimum 2.02 1.20 0.47 0.59 1.25 0.26

Maksimum 21.84 4.37 1.28 22.16 4.72 1.31 # Sig. positif 17 17 17 17 17 17 # Sig. negatif 0 0 0 0 0 0 # Sig. lebih besar 8

1 13 7 9 2 43 TABEL 2 (lanjutan) Panel B: ititititaitituBVACCNIMVE + + + + + 43210 = Tanpa Struktur LIM Dengan Struktur LIM 1 2 3 4 R2 1 2 3 4 R2 Pemusatan 9.69 -1.77

2.29 0.67 0.73 10.79 -3.18 2.18 0.54 0.73 t-statistik 68.49 -14.27 96.96 78.51 81.53 -33.42 101.67 69.52 Dengan Industri Berarti 7.43 -2.18 2.10 0.85

0.86 8.00 -2.83 2.11 0.72 0.86 FM t-statistik 5.02 -3.23 14.90 13.96 5.46 -3.94 14.58 10.44 Minimum 1.62 -9.05 1.21 0.44 0.82 -11.19 1.21

0.25 Maksimum 24.09 1.66 3.63 1.27 24.59 -0.35 3.88 1.30 # Sig. positif 17 2 17 17 17 0 17 17 # Sig. negatif 0 10 0

0 0 17 0 0 # Sig. lebih besar 8 10 5 13 7 5 7 2 44 TABEL 2 (lanjutan) Panel C: itititititititaitituBVDEPAPINVRECNIMVE + + + + + + + = 7654321 Tanpa Struktur LIM Dengan Struktur LIM 1 2 3 4

5 6 7 R2 1 2 3 4 5 6 7 R2 Pemusatan 9.34 -0.22 0.48 1.20 0.21 2.48 0.68 0.73 10.50 -1.40

-2.70 1.17 0.84 2.52 0.56 0.73 t-statistik 66.58 -0.68 1.15 3.34 1.10 83.29 79.49 81.19 -7.63 -11.69 5.90 4.61 88.97 72.80 Dengan Industri Berarti

6.52 0.27 -1.57 -1.33 0.11 2.30 0.86 0.86 7.25 -0.63 -1.51 0.08 0.49 2.35 0.73 0.85 FM t-statistik 4.55 0.42 -1.46 -0.69 0.10 9.48

14.21 5.16 -1.45 -2.66 0.15 0.44 9.86 10.97 Minimum 1.64 -5.73 -7.43 -29.93 -14.17 1.14 0.47 0.69 -5.55 -7.83 -6.02 -14.80 1.20 0.30

Maksimum 22.04 5.30 7.65 5.94 6.98 5.61 1.29 22.95 1.92 2.42 3.90 7.77 5.56 1.30 # Sig. positif 17 5 3 5 6 17 17

17 2 1 5 7 17 17 # Sig. negatif 0 3 7 5 3 0 0 0 6 8 2 3 0 0 # Sig. lebih besar

6 11 6 7 3 6 15 9 2 7 9 9 6 1 Definisi variabel adalah sebagai dalam tabel 1. Panel A, B, dan C adalah estimasi berdasarkan LIM1,, LIM2 dan LIM3. LIM1, LIM2, dan LIM3 dinamika informasi sistem persamaan berdasarkan laba bersih agregat, laba bersih dirinci menjadi arus kas dan akrual total, dan laba bersih dirinci menjadi arus kas dan komponen utama dari akrual, masing linier. Regresi dikumpulkan diperkirakan dengan tahun dan industri fixed-efek, yang tidak ditabulasi. Regresi industri yang terpisah diperkirakan dengan tahun fixed-efek, yang juga tidak ditabulasikan. Dengan rata-rata industri (minimum, maksimum) merupakan rata-rata (minimum, maksimum) dari 17 perkiraan industri koefisien. FM t-statistik adalah Fama-Macbeth (1973) t-statistik mean dari 17 perkiraan industri koefisien. # Sig. positif (negatif) adalah jumlah industri dengan

koefisien memperkirakan secara signifikan lebih besar (kurang) dari nol. # Sig. besar adalah jumlah industri di mana model tanpa atau dengan struktur LIM menghasilkan estimasi koefisien secara signifikan lebih besar. 45 TABEL 3 Perbandingan Dari Pasar Kesalahan Nilai Contoh Ekuitas Forecast Tanpa Dibandingkan Dengan Struktur LIM Menerapkan (N = 14.128) Panel A: LIM1 MeanSE MeanAE MedSE MedAE w/o dengan w/o dengan w/o dengan w/o dengan Pemusatan 75.94 65.25

2.72 2.64 0.85 0.81 0.92 0.90 Dengan Industri Rata-rata (median) 34.04 35.98 1.76 1.79 0.36 0.38 0.60 0.61 Rata-rata (median) berarti industri (median) 29.31 31.31 1.71 1.72 0.36 0.36

0.60 0.60 # Industri sig. lebih rendah tanpa atau dengan LIM 3 7 5 7 6 6 6 7 Panel B: LIM2 MeanSE MeanAE MedSE MedAE w/o dengan w/o dengan w/o dengan w/o

dengan Pemusatan 71.42 58.13 2.69 2.58 0.79 0.74 0.89 0.86 Dengan Industri Rata-rata (median) 33.97 36.05 1.75 1.76 0.34 0.35 0.58 0.59 Rata-rata (median) berarti industri (median) 27.63 29.53

1.68 1.68 0.36 0.37 0.60 0.61 # Industri sig. lebih rendah tanpa atau dengan LIM 3 8 5 8 6 9 6 9 Panel C: LIM3 MeanSE MeanAE MedSE MedAE w/o dengan w/o

dengan w/o dengan w/o dengan Pemusatan 73.96 64.20 2.66 2.63 0.84 0.80 0.92 0.89 Dengan Industri Rata-rata (median) 31.66 35.20 1.68 1.71 0.36 0.35 0.61

0.60 Rata-rata (median) berarti industri (median) 27.45 28.82 1.64 1.64 0.33 0.36 0.57 0.60 # Industri sig. lebih rendah tanpa atau dengan LIM 3 3 5 5 5 3 4 3 Bold menunjukkan perbedaan yang signifikan ( = 0,05) tanpa dan dengan menerapkan struktur LIM. "W / o" ("dengan") merupakan estimasi tanpa (dengan) menerapkan struktur LIM. LIM1, LIM2, dan LIM3 dinamika informasi sistem persamaan linear berdasarkan laba bersih agregat, 46

laba bersih dirinci menjadi arus kas dan akrual total, dan laba bersih dirinci menjadi arus kas dan komponen utama dari akrual, masing-masing. Komponen utama dari akrual adalah perubahan piutang, persediaan, dan hutang, dan depresiasi dan amortisasi. MeanSE (MeanAE) adalah kuadrat rata-rata (absolut) ekuitas nilai kesalahan prediksi. MedSE (MedAE) adalah kuadrat median (absolut) ekuitas nilai kesalahan prediksi. Regresi Pemusatan diperkirakan dengan tahun dan industri fixed-efek. Regresi industri yang terpisah diperkirakan dengan tahun fixed-efek. 47 TABEL 4 Cross-LIM Perbandingan Out of Market Kesalahan Nilai Contoh Ekuitas Prediksi (N = 14.128) Panel A: Model Estimasi Tanpa Menerapkan Struktur LIM - Berarti Prediksi Kesalahan MeanSE MeanAE LIM1 LIM2 LIM3 LIM1 LIM2 LIM3 Pemusatan 71.42 75.94 73.96 2.72 *

2.69 * 2.66 Dengan Industri Berarti 33.97 34.04 31.66 1.76 1.75 1.68 Berarti sarana industri 29.31 27.63 27.45 1.71 1.68 1.64 # Industri sig. lebih rendah: LIM1 dibandingkan dengan LIM2 4 2 6 6

LIM2 dibandingkan LIM3 2 4 3 7 LIM1 dibandingkan dengan LIM3 1 3 2 8 Panel B: Model Estimasi Dengan Menerapkan Struktur LIM - Rata-rata Kesalahan Prediksi MeanSE MeanAE LIM1 LIM2 LIM3 LIM1 LIM2 LIM3 Pemusatan 58.13 * 65,25 * 64.20

2.64 * 2.58 * 2.63 Dengan Industri Berarti 36.05 35.98 35.20 1,76 * 1.79 * 1.71 Berarti sarana industri 31.31 29.53 28.82 1.72 1.68 1.64 # Industri sig. lebih rendah: LIM1 dibandingkan dengan LIM2 3 4 5

7 LIM2 dibandingkan LIM3 4 4 5 5 LIM1 dibandingkan dengan LIM3 2 8 3 9 48 TABEL 4 (lanjutan) Panel C: Model Perkiraan Tanpa Menerapkan Struktur LIM - Kesalahan Prediksi Median MedSE MedAE LIM1 LIM2 LIM3 LIM1 LIM2 LIM3 Pemusatan

0.79 * 0,85 * 0.84 0,92 * 0.89 * 0.91 Dengan Industri Rata-rata 0.34 * 0.37 * 0.36 0.61 * 0,58 * 0.60 Median median industri 0.36 0.36 0.33 0.60 0.60 0.57 # Industri sig. lebih rendah: LIM1 dibandingkan dengan LIM2

2 6 3 6 LIM2 dibandingkan LIM3 4 5 4 5 LIM1 dibandingkan dengan LIM3 2 8 2 7 Panel D: Model Estimasi Dengan Menerapkan Struktur LIM - Kesalahan Prediksi Median MedSE MedAE LIM1 LIM2 LIM3 LIM1 LIM2 LIM3

Pemusatan 0.74 * 0,81 * 0.80 0.90 * 0.86 * 0.89 Dengan Industri Rata-rata 0,35 * 0,38 * 0.35 0.61 * 0,59 * 0.60 Median median industri 0.36 * 0.37 * 0.36 0,60 * 0.61 * 0.60 # Industri sig. lebih rendah:

LIM1 dibandingkan dengan LIM2 4 8 4 7 LIM2 dibandingkan LIM3 6 6 6 6 LIM1 dibandingkan dengan LIM3 3 8 3 9 Asterisk (Miring, Bold) menunjukkan perbedaan yang signifikan antara nilai-nilai untuk LIM1 dan LIM2 (LIM2 dan LIM3, LIM1 dan LIM3) pada tingkat signifikansi = 0,05. LIM1, LIM2, dan LIM3 dinamika informasi sistem persamaan berdasarkan laba bersih agregat linear, laba bersih dirinci menjadi arus kas dan akrual total, dan laba bersih dirinci menjadi arus kas dan utama 49 komponen akrual, masing-masing. Komponen utama dari akrual adalah perubahan piutang, persediaan, dan hutang, dan depresiasi dan amortisasi. MeanSE (MeanAE) adalah kuadrat rata-

rata (absolut) ekuitas nilai kesalahan prediksi. MedSE (MedAE) adalah kuadrat median (absolut) ekuitas nilai kesalahan prediksi. Regresi Pemusatan diperkirakan dengan tahun dan industri fixed-efek. Regresi industri yang terpisah diperkirakan dengan tahun fixed-efek. 50 TABEL A1 Regresi Statistik untuk Sampel dari 14.128 Pengamatan Compustat Firm-tahun, 1.988-2.001 Panel A: itititaitaitBVNINI111311211110 + + + + = --Tanpa Struktur LIM Dengan Struktur LIM 11 12 13 R2 11 12 13 R2 Pemusatan 0.64 0.00 0.00 0.32 1.02

-0.02 0.01 0.17 t-statistik 85.52 -0.85 1.94 929.02 -19.68 40.69 Dengan Industri Berarti 0.56 0.00 0.01 0.37 0.91 -0.02 0.02 0.19 FM t-statistik 9.77 -0.28

2.16 24.84 -3.56 8.80 Minimum 0.18 -0.03 -0.02 0.41 -0.05 0.01 Maksimum 1.03 0.04 0.03 1.07 0.02 0.04 # Sig. positif 17 4 10 17

1 17 # Sig. negatif 0 6 3 0 12 0 # Sig. lebih besar 0 15 2 17 1 14 51 TABEL A1 (lanjutan) Panel B: ititititaitaitBVACCNINI111411311211110 + + + + + = ---Tanpa Struktur LIM Dengan Struktur LIM 11 12

13 14 R2 11 12 13 14 R2 Pemusatan 0.72 -0.17 -0.02 0.00 0.34 1.03 -0.14 -0.04 0.01 0.22 t-statistik 105.36 -26.33 -19.61

2.76 969.85 -30.96 -32.36 41.28 Dengan Industri Berarti 0.63 -0.17 -0.02 0.01 0.41 0.94 -0.22 -0.04 0.02 0.26 FM t-statistik 11.85 -4.53 -3.55 2.59 29.63

-5.35 -6.84 8.10 Minimum 0.23 -0.59 -0.08 -0.01 0.51 -0.66 -0.09 0.00 Maksimum 0.98 0.03 0.02 0.02 1.08 -0.02 0.00 0.04 # Sig. positif 17

0 2 10 17 0 0 17 # Sig. negatif 0 13 11 3 0 17 15 0 # Sig. lebih besar 0 11 13 2 17 4

2 14 52 TABEL A1 (lanjutan) Panel C: Tanpa Struktur LIM Dengan Struktur LIM 11 12 13 14 15 16 17 R2 11 12 13 14 15 16 17 R2

Pemusatan 0.66 -0.06 -0.25 0.14 0.08 -0.01 0.00 0.32 1.02 -0.13 -0.25 0.11 0.01 -0.02 0.01 0.19 t-statistik 90.85 Dengan Industri -3.68 -11.89 8.06

7.84 -5.66 2.35 950.61 -8.09 -11.78 6.63 3.90 -14.89 42.09 Berarti 0.57 -0.02 -0.21 0.14 0.06 -0.01 0.01 0.41 0.92 -0.17 -0.24 0.05

0.03 -0.02 0.02 0.20 FM t-statistik 9.63 -0.38 -2.05 2.57 1.14 -1.12 2.53 27.21 -1.52 -2.67 0.70 1.23 -3.34 8.34 Minimum 0.13 -0.35 -0.93

-0.39 -0.31 -0.05 -0.01 0.46 -1.81 -1.09 -0.46 -0.08 -0.05 0.00 Maksimum 1.02 0.34 0.72 0.41 0.60 0.04 0.02 1.07 0.31 0.50 0.43

0.30 0.02 0.05 # Sig. positif 17 2 2 11 7 5 10 17 1 1 5 5 1 16 # Sig. negatif 0 5 11 2

4 8 4 0 7 9 3 2 11 0 # Sig. lebih besar 0 10 10 9 8 9 1 17 2 6 5 7

4 14 Definisi variabel adalah sebagai dalam tabel 1. LIM1, LIM2, dan LIM3 dinamika informasi sistem persamaan berdasarkan laba bersih agregat, laba bersih dirinci menjadi arus kas dan akrual total, dan laba bersih dirinci menjadi arus kas dan komponen utama dari akrual, masing linier. Komponen utama dari akrual adalah perubahan piutang, persediaan, dan hutang, dan depresiasi dan amortisasi. Regresi pooled diperkirakan dengan tahun dan industri fixed-efek, yang tidak ditabulasi. Regresi industri yang terpisah diperkirakan dengan tahun fixed-efek, yang juga tidak ditabulasikan. Dengan rata-rata industri (minimum, maksimum) merupakan rata-rata (minimum, maksimum) dari 17 perkiraan industri koefisien. FM t-statistik adalah Fama-Macbeth (1973) t-statistik mean dari 17 perkiraan industri koefisien. # Sig. positif (negatif) adalah jumlah industri dengan koefisien memperkirakan secara signifikan lebih besar (kurang) dari nol. # Sig. besar adalah jumlah industri di mana model tanpa atau dengan struktur LIM menghasilkan estimasi koefisien secara signifikan lebih besar. 53 TABEL A2 Regresi Statistik untuk Sampel dari 14.128 Pengamatan Compustat Firm-tahun, 1.988-2.001 Panel A: ititititBVACCACC212312220 + + + = Tanpa Struktur LIM Dengan Struktur LIM 22 23 R2

22 23 R2 Pemusatan 0.59 -0.07 0.64 0.60 -0.07 0.64 t-statistik 78.77 -54.18 81.18 -53.25 Dengan Industri Berarti 0.45 -0.08 0.56 0.45 -0.08 0.56

FM t-statistik 9.14 -10.73 9.03 -10.60 Minimum -0.04 -0.13 -0.04 -0.12 Maksimum 0.86 -0.03 0.87 -0.03 # Sig. positif 16 0 16 0 # Sig. negatif 0 17

0 17 # Sig. lebih besar 0 0 3 2 54 TABEL A2 (lanjutan) Panel B: ititititititBVDEPINVRECREC2126125123122 + + + + = ---Tanpa Struktur LIM Dengan Struktur LIM 22 23 25 26 R2 22 23 25 26 R2 Pemusatan

0.09 -0.02 0.03 0.01 0.12 0.09 -0.01 0.03 0.01 0.12 t-statistik 10.84 -1.48 6.43 15.71 11.98 -1.14 5.96 15.76 Dengan Industri Berarti 0.08 -0.03

0.02 0.01 0.16 0.08 -0.02 0.01 0.01 0.16 FM t-statistik 1.95 -0.49 0.72 5.53 1.94 -0.42 0.60 5.35 Minimum -0.27 -0.52 -0.20 0.00 -0.22

-0.42 -0.22 0.00 Maksimum 0.44 0.41 0.19 0.04 0.44 0.39 0.18 0.04 # Sig. positif 7 4 3 14 8 5 2 11 # Sig. negatif 1

5 1 1 2 5 1 1 # Sig. lebih besar 1 3 1 1 4 3 2 1 55 TABEL A2 (lanjutan) Panel C: itititititititBVDEPAPINVRECINV3136135134133132 + + + + + = ---Tanpa Struktur LIM Dengan Struktur LIM 32

33 34 35 36 R2 32 33 34 35 36 R2 Pemusatan 0.05 0.05 0.06 -0.01 0.01 0.12 0.05 0.05 0.06 -0.01 0.01

0.12 t-statistik 6.96 5.26 8.16 -2.82 16.75 7.32 5.32 8.09 -2.73 16.57 Dengan Industri Berarti 0.08 -0.04 0.08 -0.04 0.01 0.16 0.09 -0.03 0.07

-0.03 0.01 0.16 FM t-statistik 2.89 -0.94 2.72 -1.76 3.42 3.52 -0.59 2.65 -1.61 3.32 Minimum -0.19 -0.37 -0.16 -0.22 0.00 -0.12 -0.36 -0.14

-0.21 -0.01 Maksimum 0.24 0.29 0.25 0.11 0.04 0.23 0.30 0.26 0.11 0.04 # Sig. positif 11 4 8 3 9 10 4 9 3

10 # Sig. negatif 2 7 3 6 0 1 6 2 6 0 # Sig. lebih besar 2 1 3 3 2 2 3 4 3 2

56 TABEL A2 (lanjutan) Panel D: itititititBVAPINVAP4146144143 + + + = --Tanpa Struktur LIM Dengan Struktur LIM 43 44 46 R2 43 44 46 R2 Pemusatan -0.13 0.13 0.01 0.09 -0.12 0.14 0.01 0.09 t-statistik

-11.06 17.19 26.23 -10.48 17.80 25.78 Dengan Industri Berarti -0.14 0.11 0.01 0.15 -0.16 0.14 0.01 0.15 FM t-statistik -2.79 2.66 6.84 -3.57 3.15 6.85

Minimum -0.73 -0.16 0.00 -0.62 -0.14 0.00 Maksimum 0.15 0.40 0.03 0.10 0.44 0.03 # Sig. positif 1 10 15 1 12 15 # Sig. negatif 10

3 0 10 3 0 # Sig. lebih besar 2 0 1 2 7 0 57 TABEL A2 (lanjutan) E Panel: ititititBVDEPDEP5156155 + + = Tanpa Struktur LIM Dengan Struktur LIM 55 56 R2 55 56 R2

Pemusatan 1.03 0.01 0.96 1.04 0.01 0.96 t-statistik 385.18 17.52 393.72 16.64 Dengan Industri Berarti 1.00 0.01 0.97 1.01 0.01 0.97 FM t-statistik 80.65 5.82

78.63 5.43 Minimum 0.91 0.00 0.92 0.00 Maksimum 1.09 0.03 1.10 0.02 # Sig. positif 17 15 17 13 # Sig. negatif 0 0 0 0 # Sig. lebih besar

0 6 7 0 Definisi variabel adalah sebagai dalam tabel 1. LIM1, LIM2, dan LIM3 dinamika informasi sistem persamaan berdasarkan laba bersih agregat, laba bersih dirinci menjadi arus kas dan akrual total, dan laba bersih dirinci menjadi arus kas dan komponen utama dari akrual, masing linier. Komponen utama dari akrual adalah perubahan piutang, persediaan, dan hutang, dan depresiasi dan amortisasi. Regresi pooled diperkirakan dengan tahun dan industri fixed-efek, yang tidak ditabulasi. Regresi industri yang terpisah diperkirakan dengan tahun fixed-efek, yang juga tidak ditabulasikan. Dengan rata-rata industri (minimum, maksimum) merupakan rata-rata (minimum, maksimum) dari 17 perkiraan industri koefisien. FM t-statistik adalah Fama-Macbeth (1973) t-statistik mean dari 17 perkiraan industri koefisien. # Sig. positif (negatif) adalah jumlah industri dengan koefisien memperkirakan secara signifikan lebih besar (kurang) dari nol. # Sig. besar adalah jumlah industri di mana model tanpa atau dengan struktur LIM menghasilkan estimasi koefisien secara signifikan lebih besar. 58 Baru! Klik kata di atas untuk mengedit dan melihat terjemahan alternatif. Tutup Google Terjemahan untuk Bisnis:Perangkat PenerjemahPenerjemah Situs WebPeluang Pasar Global Matikan terjemahan instanTentang Google TerjemahanSelulerPrivasiBantuanKirimkan masukan